| 研究実績の概要 |
本研究では、複数のLSTMを並列に動作させる機構を組み合わせることで、可能な限り少ない誤差で予測する新たなRNNの枠組みを提案した[1][2]．更に、提案手法は計算コストの増加が問題点であったが、ESNを用いて計算コストの向上を図った[3]．更に、提案手法は予測不能な突発変動入力によって予測誤差が大きくなることから、GANに基づく予測可能性範囲という新たな概念を採用し、幅広い分野で活用できる汎用性の高い手法を考案した．
[1]Jun Rokui,“Historical time series prediction framework based on recurrent neural network using multivariate time series”,IIAIAAI2021,pp.486-489,2021.
[2]Jun Rokui, Rin Adachi,“Cell-expanded Long Short-term Memory", Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Conference on Advanced Intelligent Systems,2022.
[3]大嶽 和氣,六井 淳,"Echo State Networkを用いた高速な多変量時系列予測”,The 36st Annual Conference of the Japanese Society for Artificial Intelligence 2022,2022．
[4]川島 優輝、六井 淳、” 予測可能性を示す多変量時系列GANモデルの構築”、 FIT2023講演論文集、第三分冊、pp.17-22、2023.
|
