Home / Santé / Sagesse de la foule? Construire de meilleures prévisions à partir de prédicteurs sous-optimaux – Actualite-sante

Sagesse de la foule? Construire de meilleures prévisions à partir de prédicteurs sous-optimaux – Actualite-sante

#Sante

Des chercheurs de l'Université de Tokyo et de Kozo Keikaku Engineering Inc. ont introduit une méthode pour améliorer la puissance des algorithmes existants afin de prévoir l'avenir de séries chronologiques inconnues. En combinant les prédictions de nombreuses prévisions sous-optimales, ils ont pu construire une prédiction consensuelle qui avait tendance à surpasser les méthodes existantes. Cette recherche peut aider à fournir des alertes précoces en cas d'inondations, de chocs économiques ou de changements météorologiques.

Les données de séries chronologiques font partie de notre quotidien. Un graphique giratoire peut représenter le niveau d'eau d'une rivière, le prix d'un stock ou la température élevée quotidienne dans une ville, pour n'en nommer que quelques-uns. Une connaissance avancée des mouvements futurs d'une série chronologique pourrait être utilisée pour éviter ou se préparer à de futurs événements indésirables. Cependant, la prévision est extrêmement difficile parce que la dynamique sous-jacente qui génère les valeurs est non linéaire (même si elle est supposée déterministe) et donc sujette à des fluctuations sauvages. tenter de prédire les valeurs futures. Cette approche prend une séquence d'observations et les "intègre" dans un espace de dimension supérieure en combinant la valeur actuelle avec des valeurs décalées uniformément espacées du passé. Par exemple, pour créer un retard en trois dimensions intégrant le cours de clôture du S&P 500, vous pouvez prendre les cours de clôture d'aujourd'hui, d'hier et de la veille en tant que coordonnées x, y et z, respectivement. Cependant, les choix possibles pour l'intégration de la dimension et du retard font que la recherche de la représentation la plus utile pour faire des prévisions est une question d'essais et d'erreurs.

Des chercheurs de l'Université de Tokyo et de Kozo Keikaku Engineering Inc. ont maintenant montré un moyen de sélectionner et optimisez une collection de plongements de retard de sorte que leur prévision combinée fasse mieux que n'importe quel prédicteur individuel. «Nous avons constaté que la« sagesse de la foule », dans laquelle la prédiction par consensus est meilleure que chacune d'elle-même, peut être vraie même avec des modèles mathématiques», explique le premier auteur Shunya Okuno.

Les chercheurs ont testé leur méthode sur de vrais -des données sur les inondations mondiales, ainsi que des équations théoriques avec un comportement chaotique. "Nous nous attendons à ce que cette approche trouve de nombreuses applications pratiques dans la prévision des données de séries chronologiques et revigore l'utilisation de l'intégration des retards", a déclaré l'auteur principal Yoshito Hirata. La prévision d'un état futur du système est une tâche importante dans de nombreux domaines différents, y compris les neurosciences, l'écologie, la finance, la dynamique des fluides, la météo et la prévention des catastrophes, ce travail peut donc être utilisé dans un large éventail d'applications.

Source de l'histoire: [19659007] Matériaux fournis par Institut des sciences industrielles, Université de Tokyo . Remarque: le contenu peut être modifié en fonction du style et de la longueur.

Source

About Actus-sante

Check Also

Une nouvelle façon d'évaluer la fertilité masculine – Actualite-sante

#Sante Les tests actuels de fertilité masculine comprennent la mesure de la concentration et de …

Laisser un commentaire