| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-12-18 15:40 社会的時系列予測のための時間遅れ付きLSTM ○安達 凜・六井 淳（静岡県立大）  NC2020-30 |
|
| 抄録 | （和） | 社会的時系列予測に対し, 機械学習を適用する研究が盛んに行われている. その中でも, 多く用いられる手法がRecurrentNeuralNetwork の一種であるLong Short Term Memory(LSTM) である. 筆者らは, 回帰分析を用いて複数の社会的時系列データを集約し, それをLSTM に入力することによって社会的時系列予測を行うフレームワークを提案している. LSTM は, メモリセルにより長期情報を記憶する一方, 短期情報は注目されていない. 本研究では過去の時系列情報を遅延付加することにより, 短期情報をモデリングするRecurrentNeuralNetwork アーキテクチャを提案する．実験では, 提案手法を適用することによって, LSTM と比べて良好な結果が得られることを実験的に確認した. |
| （英） | The research which applies machine learning to the social time series prediction is actively carried out. Among them, many methods are Long Short Term Memory(LSTM), which are a kind of Recurrent Neural Network. We propose a framework to perform social time series prediction by aggregating several social time series data using regression analysis and entering it into a LSTM. LSTM stores the long-term information by the memory cell, but the short-term information is not noticed. In this research, we propose a Recurrent Neural Network architecture for modeling short-term information by delaying historical time-series information. In the verification test, it was confirmed experimentally that the good result was obtained in comparison with LSTM by applying the proposed method. | |
| キーワード | （和） | 時系列予測 / Long Short Term Memory / LSTM / 社会的時系列 / ニューラルネットワーク / / / |
| （英） | Time Series Prediction / Long Short Term Memory / LSTM / Historical Time Series / NeuralNetwork / / / | |
| 文献情報 | 信学技報, vol. 120, no. 302, NC2020-30, pp. 13-18, 2020年12月. | |
| 資料番号 | NC2020-30 | |
| 発行日 | 2020-12-11 (NC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2020-30 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2020-12-18 - 2020-12-18 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ME, NC, 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2020-12-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | 社会的時系列予測のための時間遅れ付きLSTM |
| サブタイトル（和） | |
| タイトル（英） | Time-delayed LSTM for historical time series Prediction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 時系列予測 / Time Series Prediction |
| キーワード(2)（和/英） | Long Short Term Memory / Long Short Term Memory |
| キーワード(3)（和/英） | LSTM / LSTM |
| キーワード(4)（和/英） | 社会的時系列 / Historical Time Series |
| キーワード(5)（和/英） | ニューラルネットワーク / NeuralNetwork |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 安達 凜 / Rin Adachi / アダチ リン |
| 第1著者 所属（和/英） | 静岡県立大学 (略称： 静岡県立大) University of Shizuoka (略称： Univ of Shizuoka) |
| 第2著者 氏名（和/英/ヨミ） | 六井 淳 / Jun Rokui / ロクイ ジュン |
| 第2著者 所属（和/英） | 静岡県立大学 (略称： 静岡県立大) University of Shizuoka (略称： Univ of Shizuoka) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-18 15:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2020-30 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.302 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2020-12-11 (NC) |
[研究会発表申込システムのトップページに戻る]