講演名 2000/3/14
非定常時系列予測のための学習データの選択法
辻 聡, 小倉 信彦, 渡辺 澄夫,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 非定常成分を含んでいる時系列を予測するための学習データの選択の一方法を提案する。変化する環境から生成される時系列データの予測を行う場合、過去のデータ中に現在の環境に適したパラメータを推定するために不要のデータが存在する。本研究ではロバストな線形モデルを用いて、過去のデータの時間的な距離やパターンベクトルとしての距離に基づく学習データの選別を行い、選別されたデータだけを用いてモデルのパラメータを定め、予測精度の向上を図る。実験における時系列データとして日米間の為替レートを用いる。その結果、本手法を用いた場合、データの選別を行わない場合よりも予測の精度の向上がみられ、有効であることが確認できた。
抄録(英) In this paper, we propose a selection method of optimal learning data for the prediction of time series data with nonstationary factors. In case of prediction of time series data produced from the changing environment, there are useless data in all of the past data for the presumption of the most suitable parameters to the present environment. So we aim at more superior prediction by the selection of data. We evaluate this method with the daily exchange rate between Japanese yen and U.S.dollar. As a result, we can attest to the effectiveness of this method.
キーワード(和) 非変常時系列 / 最小2乗法 / データ選択 / 平均2乗誤差 / 線形モデル
キーワード(英) nonstationary time series / method of least-squares / mean square error
資料番号 NC99-121
発行日

研究会情報
研究会 NC
開催期間 2000/3/14(から1日開催)
開催地(和)
開催地(英)
テーマ(和)
テーマ(英)
委員長氏名(和)
委員長氏名(英)
副委員長氏名(和)
副委員長氏名(英)
幹事氏名(和)
幹事氏名(英)
幹事補佐氏名(和)
幹事補佐氏名(英)

講演論文情報詳細
申込み研究会 Neurocomputing (NC)
本文の言語 JPN
タイトル(和) 非定常時系列予測のための学習データの選択法
サブタイトル(和)
タイトル(英) A selection method of learning data for nonstationary time series prediction
サブタイトル(和)
キーワード(1)(和/英) 非変常時系列 / nonstationary time series
キーワード(2)(和/英) 最小2乗法 / method of least-squares
キーワード(3)(和/英) データ選択 / mean square error
キーワード(4)(和/英) 平均2乗誤差
キーワード(5)(和/英) 線形モデル
第 1 著者 氏名(和/英) 辻 聡 / Satoshi Tsuji
第 1 著者 所属(和/英) 東京工業大学精密工学研究所
Precision and Intelligence Laboratory Tokyo Institute of Technology
第 2 著者 氏名(和/英) 小倉 信彦 / Nobuhiko Ogura
第 2 著者 所属(和/英) 東京工業大学精密工学研究所
Precision and Intelligence Laboratory Tokyo Institute of Technology
第 3 著者 氏名(和/英) 渡辺 澄夫 / Sumio Watanabe
第 3 著者 所属(和/英) 東京工業大学精密工学研究所
Precision and Intelligence Laboratory Tokyo Institute of Technology
発表年月日 2000/3/14
資料番号 NC99-121
巻番号(vol) vol.99
号番号(no) 685
ページ範囲 pp.-
ページ数 8
発行日