論文の概要: Forecasting Imports in OECD Member Countries and Iran by Using Neural
Network Algorithms of LSTM
- arxiv url: http://arxiv.org/abs/2402.01648v1
- Date: Sat, 6 Jan 2024 17:34:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-11 17:16:49.182694
- Title: Forecasting Imports in OECD Member Countries and Iran by Using Neural
Network Algorithms of LSTM
- Title（参考訳）: LSTMのニューラルネットワークアルゴリズムによるOECD加盟国とイランの予測輸入
- Authors: Soheila Khajoui, Saeid Dehyadegari, Sayyed Abdolmajid Jalaee
- Abstract要約: 本研究は、2021年から2025年までの20年間、OECD加盟国とイランの輸入をANNを用いて予測することを目的とする。
1970年から2019年にかけて、世界銀行、WTO、IFMなどの有効な資源から50年以上のデータを収集した。
本研究はLSTMを用いてPycharmのデータ分析を行い, トレーニングデータとして75%, テストデータとして25%のデータを解析し, 解析結果を99%の精度で予測した。
- 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: Artificial Neural Networks (ANN) which are a branch of artificial
intelligence, have shown their high value in lots of applications and are used
as a suitable forecasting method. Therefore, this study aims at forecasting
imports in OECD member selected countries and Iran for 20 seasons from 2021 to
2025 by means of ANN. Data related to the imports of such countries collected
over 50 years from 1970 to 2019 from valid resources including World Bank, WTO,
IFM,the data turned into seasonal data to increase the number of collected data
for better performance and high accuracy of the network by using Diz formula
that there were totally 200 data related to imports. This study has used LSTM
to analyse data in Pycharm. 75% of data considered as training data and 25%
considered as test data and the results of the analysis were forecasted with
99% accuracy which revealed the validity and reliability of the output. Since
the imports is consumption function and since the consumption is influenced
during Covid-19 Pandemic, so it is time-consuming to correct and improve it to
be influential on the imports, thus the imports in the years after Covid-19
Pandemic has had a fluctuating trend.
- Abstract（参考訳）: 人工知能の分野であるArtificial Neural Networks (ANN)は、多くのアプリケーションで高い価値を示しており、適切な予測方法として使われている。
そこで本研究では,2021年から2025年までの20年間,OECD加盟国とイランの輸入をANNを用いて予測することを目的とした。
1970年から2019年にかけて50年以上に渡り、世界銀行、WTO、IFMなどの有効な資料から収集されたデータから、Dizの公式を用いて、収集されたデータの数を増やし、ネットワークの性能と精度を高めるために、輸入に関連するデータが200あることを証明した。
本研究ではLSTMを用いてPycharmのデータ解析を行った。
75%のデータをトレーニングデータ、25%をテストデータとして、分析の結果を99%の精度で予測し、結果の妥当性と信頼性を明らかにした。
輸入は消費機能であり、消費はコビッド19パンデミックの影響を受けているため、輸入に影響を及ぼすように修正・改善するのに時間がかかるため、コビッド19パンデミック以降の輸入は変動傾向にある。
関連論文リスト
- F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。
タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。
従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
論文 参考訳（メタデータ） (2024-06-23T21:28:50Z) - How to Train Data-Efficient LLMs [56.41105687693619]
事前学習言語モデル(LLM)に対するデータ効率のアプローチについて検討する。
Ask-LLMと密度サンプリングがそれぞれのカテゴリで最適であることがわかった。
何百もの評価タスクと事前学習作業を含む19個のサンプルを比較したところ,Ask-LLMと密度がそれぞれのカテゴリで最適な方法であることが判明した。
論文 参考訳（メタデータ） (2024-02-15T02:27:57Z) - Country-Scale Cropland Mapping in Data-Scarce Settings Using Deep
Learning: A Case Study of Nigeria [0.6827423171182154]
私たちはグローバルな作物のデータセットと手書きのデータセットを組み合わせて、2020年にナイジェリアの新しい作物の地図を10m解像度で作成するための機械学習モデルをトレーニングしています。
本研究では,センチネル-1,2,ERA5気候データ,DEMデータなどのリモートセンシング源からの画素級時系列入力データに加えて,作物の存在を示すバイナリラベルも提供する。
We found that the existing WorldCover map are the best with a F1-score 0.825 and correct of 0.870 on the test set, then a single-headed LSTM model with our hand-labeled training。
論文 参考訳（メタデータ） (2023-12-18T01:23:22Z) - Forecasting, capturing and activation of carbon-dioxide (CO$_2$):
Integration of Time Series Analysis, Machine Learning, and Material Design [0.0]
本研究は,2019年1月から2023年2月までの日次産業別,国別CO$の排出量を総合的に分析した。
この研究は、ヨーロッパ諸国(EU27とイギリス、イタリア、ドイツ、スペイン)の電力、産業、陸上輸送、国内航空、国際航空部門に焦点を当てている。
通常の排出パターンを特定するため、新型コロナウイルスのパンデミックによる破壊的な影響により、2020年のデータは除外される。
論文 参考訳（メタデータ） (2023-07-25T16:03:44Z) - ASPEST: Bridging the Gap Between Active Learning and Selective
Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。
アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。
本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文 参考訳（メタデータ） (2023-04-07T23:51:07Z) - Machine Learning Applied to Peruvian Vegetables Imports [0.0]
2021年から2022年にかけてペルーから輸入された野菜の輸入状況は、月々記録されている。
より良い性能のモデルが選択され、予測された値の精度が評価される。
論文 参考訳（メタデータ） (2023-01-08T21:05:31Z) - Strict baselines for Covid-19 forecasting and ML perspective for USA and
Russia [105.54048699217668]
Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。
本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
論文 参考訳（メタデータ） (2022-07-15T18:21:36Z) - LiDAR dataset distillation within bayesian active learning framework:
Understanding the effect of data augmentation [63.20765930558542]
アクティブラーニング(AL)は、アノテーションコストとデータセットサイズの削減に対処するため、最近再び注目されている。
本稿では,大規模なセマンティックKITTIデータセットの1/4分の1でALベースのデータセット蒸留を原理的に評価する。
我々は、選択したデータセット構成からのサンプルの60%のみを使用して、データ拡張が完全なデータセット精度を達成することを観察した。
論文 参考訳（メタデータ） (2022-02-06T00:04:21Z) - Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。
衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
論文 参考訳（メタデータ） (2020-07-07T12:44:17Z)
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。