{"product_id":"ieej-zt193097","title":"再帰型深層学習によるカオスモデリングおよび定量評価","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-097\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成31年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2019\/03\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eChaos Modeling Using Recurrent Deep Learning and Its Quantitative Evaluation\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e清水 能理(八戸工業大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eYoshimasa Shimizu(Hachinohe Institute of Technology)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e深層学習,ニューラルネットワーク,モデリング,カオス,サロゲート法\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e深層学習（ディープラーニング）は機械学習から発展したの手法であるが、ネットワーク構築や多くの変数の決定など、試行錯誤部分が膨大である。近年、従来のニューラルネットワークを改良して作られたディープラーニングの登場により、パターンマッチング研究が盛んにおこなわれている。しかし、ニューラルネットワークは予測やモデリングに活用されているのに対し深層学習はあまり活用されていない。よって、時系列データに対する深層学習が注目されている。今回は深層学習をカオスモデリングに使用することで、これまでのニューロモデルと、精度や安定性を比較し、深層学習の時系列データへの活用の可能性を考察する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e240 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46401474658543,"sku":"IEEJ-ZT193097-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_83bc4d00-06fa-4415-9079-84c8d5c5750a.png?v=1744944720","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt193097","provider":"電気学会 電子図書館","version":"1.0","type":"link"}