論文の概要: Comparative Evaluation of Metaheuristic Algorithms for Hyperparameter
Selection in Short-Term Weather Forecasting
- arxiv url: http://arxiv.org/abs/2309.02600v1
- Date: Tue, 5 Sep 2023 22:13:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-07 17:26:14.507159
- Title: Comparative Evaluation of Metaheuristic Algorithms for Hyperparameter
Selection in Short-Term Weather Forecasting
- Title(参考訳): 短期気象予報におけるハイパーパラメータ選択のためのメタヒューリスティックアルゴリズムの比較評価
- Authors: Anuvab Sen, Arul Rhik Mazumder, Dibyarup Dutta, Udayon Sen, Pathikrit
Syam and Sandipan Dhar
- Abstract要約: 本稿では,遺伝的アルゴリズム (GA), 微分進化 (DE), 粒子群最適化 (PSO) のメタヒューリスティックアルゴリズムの適用について検討する。
平均二乗誤差(MSE)や平均絶対パーセンテージ誤差(MAPE)といった指標に基づいて天気予報の性能を評価する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Weather forecasting plays a vital role in numerous sectors, but accurately
capturing the complex dynamics of weather systems remains a challenge for
traditional statistical models. Apart from Auto Regressive time forecasting
models like ARIMA, deep learning techniques (Vanilla ANNs, LSTM and GRU
networks), have shown promise in improving forecasting accuracy by capturing
temporal dependencies. This paper explores the application of metaheuristic
algorithms, namely Genetic Algorithm (GA), Differential Evolution (DE), and
Particle Swarm Optimization (PSO), to automate the search for optimal
hyperparameters in these model architectures. Metaheuristic algorithms excel in
global optimization, offering robustness, versatility, and scalability in
handling non-linear problems. We present a comparative analysis of different
model architectures integrated with metaheuristic optimization, evaluating
their performance in weather forecasting based on metrics such as Mean Squared
Error (MSE) and Mean Absolute Percentage Error (MAPE). The results demonstrate
the potential of metaheuristic algorithms in enhancing weather forecasting
accuracy \& helps in determining the optimal set of hyper-parameters for each
model. The paper underscores the importance of harnessing advanced optimization
techniques to select the most suitable metaheuristic algorithm for the given
weather forecasting task.
- Abstract(参考訳): 気象予報は多くの分野において重要な役割を担っているが、従来の統計モデルでは気象システムの複雑なダイナミクスを正確に把握することが課題となっている。
ARIMAのような自動回帰時間予測モデルとは別に、ディープラーニング技術(Vanilla ANNs、LSTM、GRUネットワーク)は、時間依存性をキャプチャすることで予測精度を向上させることを約束している。
本稿では,遺伝的アルゴリズム (GA), 微分進化 (DE), 粒子群最適化 (PSO) のメタヒューリスティックアルゴリズムを適用し, モデルアーキテクチャにおける最適ハイパーパラメータの探索を自動化する。
メタヒューリスティックアルゴリズムはグローバル最適化に優れ、非線形問題を扱う際の堅牢性、汎用性、スケーラビリティを提供する。
メタヒューリスティック最適化と統合された異なるモデルアーキテクチャの比較分析を行い、平均正方形誤差(MSE)や平均絶対パーセンテージ誤差(MAPE)といった指標に基づいて天気予報の性能を評価する。
その結果、気象予報精度向上におけるメタヒューリスティックアルゴリズムの可能性が示され、各モデルに対する最適なハイパーパラメータのセットを決定するのに役立つ。
本稿では,天気予報タスクに最適なメタヒューリスティックアルゴリズムを選択するために,高度な最適化手法を活用することの重要性を強調した。
関連論文リスト
- End-to-End Learning for Fair Multiobjective Optimization Under
Uncertainty [55.04219793298687]
機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。
本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。
この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
論文 参考訳(メタデータ) (2024-02-12T16:33:35Z) - Embedded feature selection in LSTM networks with multi-objective
evolutionary ensemble learning for time series forecasting [49.1574468325115]
本稿では,Long Short-Term Memory Networkに埋め込まれた特徴選択手法を提案する。
本手法はLSTMの重みと偏りを分割的に最適化する。
イタリアとスペイン南東部の大気質時系列データの実験的評価により,従来のLSTMの能力一般化が著しく向上することが確認された。
論文 参考訳(メタデータ) (2023-12-29T08:42:10Z) - Fairer and More Accurate Tabular Models Through NAS [14.147928131445852]
本稿では,多目的ニューラルアーキテクチャサーチ (NAS) とハイパーパラメータ最適化 (HPO) を,表データの非常に困難な領域への最初の応用として提案する。
我々はNASで精度のみに最適化されたモデルが、本質的に公正な懸念に対処できないことをしばしば示している。
公平性、正確性、あるいは両方において、最先端のバイアス緩和手法を一貫して支配するアーキテクチャを作成します。
論文 参考訳(メタデータ) (2023-10-18T17:56:24Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-04T01:47:37Z) - Multi-objective hyperparameter optimization with performance uncertainty [62.997667081978825]
本稿では,機械学習アルゴリズムの評価における不確実性を考慮した多目的ハイパーパラメータ最適化の結果について述べる。
木構造型Parzen Estimator(TPE)のサンプリング戦略と、ガウス過程回帰(GPR)と異種雑音の訓練後に得られたメタモデルを組み合わせる。
3つの解析的テスト関数と3つのML問題の実験結果は、多目的TPEとGPRよりも改善したことを示している。
論文 参考訳(メタデータ) (2022-09-09T14:58:43Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳(メタデータ) (2022-08-10T19:17:45Z) - The Importance of Landscape Features for Performance Prediction of
Modular CMA-ES Variants [2.3823600586675724]
近年の研究では、教師あり機械学習手法が問題事例から抽出したランドスケープ特徴を用いてアルゴリズムの性能を予測できることが示されている。
モジュール型CMA-ESフレームワークを考察し、各ランドスケープ機能が最適なアルゴリズム性能回帰モデルにどの程度貢献するかを推定する。
論文 参考訳(メタデータ) (2022-04-15T11:55:28Z) - Genetically Optimized Prediction of Remaining Useful Life [4.115847582689283]
LSTMおよびGRUモデルを実装し、得られた結果と提案された遺伝子訓練ニューラルネットワークを比較します。
遺伝的アルゴリズムを用いた他の最適化層を追加することによって,予測の整合性の向上を期待する。
これらのモデルと提案されたアーキテクチャは、nasaのターボファンジェットエンジンデータセットでテストされている。
論文 参考訳(メタデータ) (2021-02-17T16:09:23Z) - Energy Forecasting in Smart Grid Systems: A Review of the
State-of-the-art Techniques [2.3436632098950456]
本稿では,スマートグリッド(SG)システムの最先端予測手法について概説する。
統計学,機械学習(ML),深層学習(DL)などの従来の点予測手法について検討した。
ヴィクトリア朝の電力消費とアメリカの電力(AEP)の比較ケーススタディを行った。
論文 参考訳(メタデータ) (2020-11-25T09:17:07Z) - Stochastic batch size for adaptive regularization in deep network
optimization [63.68104397173262]
ディープラーニングフレームワークにおける機械学習問題に適用可能な適応正規化を取り入れた一階最適化アルゴリズムを提案する。
一般的なベンチマークデータセットに適用した従来のネットワークモデルに基づく画像分類タスクを用いて,提案アルゴリズムの有効性を実証的に実証した。
論文 参考訳(メタデータ) (2020-04-14T07:54:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。