Основные понятия
極端事象は重要であるが、データ分布の裾野に位置するため、正確に予測することが困難である。本研究では、重み付けと微調整の2つの戦略を提案し、極端事象の予測性能を向上させる。
Аннотация
本研究では、極端事象の時系列予測の課題に取り組む。まず、重み付けの手法を提案する。これは、機械学習モデルが極端事象に焦点を当てるように、損失関数に重み付けを行うものである。従来の直感的な重み付け手法とは異なり、メタ学習を用いて動的に最適な重み付けを学習する。さらに、重み付けされたモデルをさらに微調整することで、極端事象の予測性能を向上させる。
実験では、4つのデータセットを用いて検証を行った。提案手法は既存の手法よりも優れた性能を示し、重み付けと微調整の組み合わせが有効であることを確認した。また、説明可能性の分析から、提案手法が極端事象に注目していることが示された。
Статистика
極端事象の発生確率は通常サンプルに比べて低い。
極端事象の発生確率は通常サンプルの1/19程度である。
Цитаты
"極端事象は重要であるが、データ分布の裾野に位置するため、正確に予測することが困難である。"
"従来の直感的な重み付け手法とは異なり、メタ学習を用いて動的に最適な重み付けを学習する。"
"提案手法は既存の手法よりも優れた性能を示し、重み付けと微調整の組み合わせが有効であることを確認した。"