ディープビリーフネット型時系列予測システムの最適化について

カテゴリ: 研究会(論文単位)

論文No: ST20043,CT20109

グループ名: 【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日: 2020/12/13

タイトル(英語): A Study on The Optimization of Deep Belief Net Type Time Series Forecasting System

著者名: 呉本 尭(山口大学),古谷 雅史(山口大学),間普 真吾(山口大学)

著者名(英語): Takashi Kuremoto(Yamaguchi University),Masafumi Furuya(Yamaguchi University),Shingo Mabu(Yamaguchi University)

キーワード: 時系列予測|深層学習|ディープビリーフネット|誤差逆伝搬法|アダム法|最適化|time series forecasting|deep learning|deep belief net|error back-propagation|Adam learning|optimization

要約(日本語): 制限付きボルツマンマシン(RBM)を用いるディープビリーフネット(DBN)とフィードフォワード型ニューラルネットワークである多層パーセプトロン(MLP)を組み合わせた時系列予測すシステムの最適化は、これまで構造的にはランダム探索(RS)または粒子群最適化(PSO)によって決定され、パラメータの学習則は誤差逆伝搬法(BP法）や強化学習手法(SGA法）を用いたが、本研究では、深層学習モデルに良く利用されるAdam (Adaptive Moment Estimation)をその予測システムのパラメータ学習に導入

要約(英語): To optimize the time series forecasting system composed by deep belief net (DBN) with restricted Boltzmann machine (RBM)and a feed-forward neural network (multi-layered perceptron), random search (RS) or particle swarm optimization (PSO) were utilized to decide the size of the system, and error back propagation (BP) or reinforcement learning (SGA: stochastic gradient ascent) were utilized to modify parameters of the system as the learning rule conventionally. In this study, Adam (adaptive moment estimation ) was adopted to modify the parameters of the time series forecasting system instead of the conventional BP learning.

原稿種別: 日本語

PDFファイルサイズ: 1,556 Kバイト