Open golden77777 opened 4 years ago
想定外の事態を予測できる新たな時系列予測フレームワークの提案
https://www.kdd.org/kdd2019/accepted-papers/view/modeling-extreme-events-in-time-series-prediction
・Extreme Value Loss誤差関数、Memory Networkアーキテクチャを組み合わせた、極端な値(想定外の事態)を予測できる新たな時系列データ予測フレームワークを提案
・サンプルデータ、現実の株価および気候データに対する実験を通し、有効性を検証した。(つまり、想定外の事態を予測できた)
・複数回の実験を通し、提案フレームワークにおける最適なハイパーパラメータを確立した
単純なGRUに対し、極端な値の影響を加味できるMemory Networkを提案したこと
分布のテール部分を正しく予測することを目的に確立された理論 「Extreme Value Theory」をもとに定義された誤差関数 「Extreme Value Loss」を新たに学習指標として導入したこと
将来の極端な値を予測する評価指標となる 新たな誤差関数「Extreme Value Loss (EVL) 」
過去の極端な値を記憶することで将来のそれを正確に予測することのできる NNアーキテクチャ「Memory Network 」
サンプルデータ、現実の株価および気候データに対する実験を通し、有効性を検証した。(つまり、想定外の事態を予測できた)
極端なデータがどのくらいの比率であれば機能するかの議論が必要だと思った。
一言でいうと
想定外の事態を予測できる新たな時系列予測フレームワークの提案
論文リンク
https://www.kdd.org/kdd2019/accepted-papers/view/modeling-extreme-events-in-time-series-prediction
著者/所属機関
投稿日付(yyyy/MM/dd)
概要
・Extreme Value Loss誤差関数、Memory Networkアーキテクチャを組み合わせた、極端な値(想定外の事態)を予測できる新たな時系列データ予測フレームワークを提案
・サンプルデータ、現実の株価および気候データに対する実験を通し、有効性を検証した。(つまり、想定外の事態を予測できた)
・複数回の実験を通し、提案フレームワークにおける最適なハイパーパラメータを確立した
新規性・差分
単純なGRUに対し、極端な値の影響を加味できるMemory Networkを提案したこと
分布のテール部分を正しく予測することを目的に確立された理論 「Extreme Value Theory」をもとに定義された誤差関数 「Extreme Value Loss」を新たに学習指標として導入したこと
手法
将来の極端な値を予測する評価指標となる 新たな誤差関数「Extreme Value Loss (EVL) 」
過去の極端な値を記憶することで将来のそれを正確に予測することのできる NNアーキテクチャ「Memory Network 」
結果
サンプルデータ、現実の株価および気候データに対する実験を通し、有効性を検証した。(つまり、想定外の事態を予測できた)
コメント
極端なデータがどのくらいの比率であれば機能するかの議論が必要だと思った。