時空間相関パターンの深層学習手法

イベントデータに深層学習の手法 (CRNN, LGBM) を適用して、時空間相関パターンの学習、予測を行うことができます。

気象や大気などの環境データを対象に、Convolutional Neural Network (CNN) による空間パターンの学習と Long Short Term Memory (LSTM) による時間パターンの学習を統合した Convolutional Recurrent Neural Network (CRNN) 方式による、時空間相関パターンの学習、予測を行えます。

また、LightGBM を用いて環境データの時間変化モデルを学習、予測できます。

CRNN については下記の論文を参照してください。

• Zhao, P. and Zettsu, K.: Convolution Recurrent Neural Networks for Short-Term Prediction of Atmospheric Sensing Data, The 4th IEEE International Conference on Smart Data (SmartData 2018), Halifax, Canada, pp.815-821 (July 2018).

API 一覧

• train_crnn
• predict_crnn
• train_lgbm
• predict_lgbm