「時系列予測に深層学習モデルが本当に必要？ | AI-SCHOLAR | AI：(人工知能)論文・技術情報メディア」

3つの要点✔️ 時系列予測の領域で、最近深層学習モデルによる性能向上が急速に進んでいます。しかし、古典的な機械学習モデルはもう必要ないのかということで、この大規模な調査と比較実験が行われました。✔️ 古典的学習モデルの代表としてGBRTが使われています。深層学習モデルが実現した系列間の依存性の表現を入力の特徴量エンジニアリングベースのウィンドウ化で代替しました。✔️ 前処理により、改良GBRTは単変量、多変量両方のデータセットに対して、数多くの深層学習モデルと同等あるいは大きく上回る性能を示しました。Do We Really Need Deep Learning Models for Time Series Forecasting?written by Shereen Elsayed, Daniela Thyssens, Ahmed Rashed, Hadi Samer Jomaa, Lars Schmidt-Thieme(Submitted on  6 Jan 2021 (v1), last revised 20 Oct 2021 (this version, v2))Comments: arXivSubjects: Machine Learning (cs.LG); Machine Learning (stat.ML)code： 本記事で使用している画像は論文中のもの、紹介スライドのもの、またはそれを参考に作成したものを使用しております。 はじめに過去数年の間に、時系列予測の分野において、深層学習ベースのフレームワークの性能が、古典的なパラメトリック（自己回帰）アプローチを大きく上回るようになりました。背景として従来のアプローチでは、長期および短期の系列の混合によって提供される情報を捕捉できない可能性があると研究者たちは分析しています。したがって、多くの深層学習手法では、データの時間間の非線形依存性の把握について議論しています。

ai-scholar.tech

Webページ

コンテンツ文字数：0 文字

見出し数（H2/H3タグ）：0 個

閲覧数：128 件

2022-05-22 20:02:31

オリジナルページを開く

B!