Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Sbrana, Attilio | - |
Autor(es): dc.creator | Debiaso Rossi, Andre Luis [UNESP] | - |
Autor(es): dc.creator | Coelho Naldi, Murilo | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:50:17Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:50:17Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2020-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/ICMLA51294.2020.00125 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/207451 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/207451 | - |
Descrição: dc.description | This work presents N-BEATS-RNN, an extended version of an existing ensemble of deep learning networks for time series forecasting, N-BEATS. We apply a state-of-the-art Neural Architecture Search, based on a fast and efficient weight-sharing search, to solve for an ideal Recurrent Neural Network architecture to be added to N-BEATS. We evaluated the proposed N-BEATS-RNN architecture in the widely-known M4 competition dataset, which contains 100,000 time series from a variety of sources. N-BEATS-RNN achieves comparable results to N-BEATS and the M4 competition winner while employing solely 108 models, as compared to the original 2,160 models employed by N-BEATS, when composing its final ensemble of forecasts. Thus, N-BEATS-RNN's biggest contribution is in its training time reduction, which is in the order of 9x compared with the original ensembles in N-BEATS. | - |
Descrição: dc.description | Federal University of São Carlos Department of Computer Science | - |
Descrição: dc.description | São Paulo State University (UNESP) Campus of Itapeva | - |
Descrição: dc.description | São Paulo State University (UNESP) Campus of Itapeva | - |
Formato: dc.format | 765-768 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings - 19th IEEE International Conference on Machine Learning and Applications, ICMLA 2020 | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | deep learning | - |
Palavras-chave: dc.subject | M4 competition | - |
Palavras-chave: dc.subject | neural architecture search | - |
Palavras-chave: dc.subject | Time series forecasting | - |
Palavras-chave: dc.subject | weight sharing | - |
Título: dc.title | N-BEATS-RNN: Deep learning for time series forecasting | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: