ترجمه فارسی مقاله پل زدن مدلهای فاکتور پویا و معادلات دیفرانسیل کنترل شده عصبی برای تولید ناخالص داخلی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Bridging Dynamic Factor Models and Neural Controlled Differential Equations for Nowcasting GDP
عنوان مقاله به فارسی پل زدن مدلهای فاکتور پویا و معادلات دیفرانسیل کنترل شده عصبی برای تولید ناخالص داخلی
نویسندگان Seonkyu Lim, Jeongwhan Choi, Noseong Park, Sang-Ha Yoon, ShinHyuck Kang, Young-Min Kim, Hyunjoong Kang
فرمت مقاله انگلیسی PDF
تعداد صفحات 8
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 13 September, 2024; originally announced September 2024. , Comments: Accepted at CIKM 2024. Seonkyu Lim and Jeongwhan Choi are co-first authors with equal contributions
توضیحات به فارسی ارسال شده 13 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: در CIKM 2024 پذیرفته شده است. Seonkyu Lim و Jeongwhan Choi اولین نویسندگان مشترک با مشارکت های برابر هستند
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Gross domestic product (GDP) nowcasting is crucial for policy-making as GDP growth is a key indicator of economic conditions. Dynamic factor models (DFMs) have been widely adopted by government agencies for GDP nowcasting due to their ability to handle irregular or missing macroeconomic indicators and their interpretability. However, DFMs face two main challenges: i) the lack of capturing economic uncertainties such as sudden recessions or booms, and ii) the limitation of capturing irregular dynamics from mixed-frequency data. To address these challenges, we introduce NCDENow, a novel GDP nowcasting framework that integrates neural controlled differential equations (NCDEs) with DFMs. This integration effectively handles the dynamics of irregular time series. NCDENow consists of 3 main modules: i) factor extraction leveraging DFM, ii) dynamic modeling using NCDE, and iii) GDP growth prediction through regression. We evaluate NCDENow against 6 baselines on 2 real-world GDP datasets from South Korea and the United Kingdom, demonstrating its enhanced predictive capability. Our empirical results favor our method, highlighting the significant potential of integrating NCDE into nowcasting models. Our code and dataset are available at https://github.com/sklim84/NCDENow_CIKM2024.

چکیده به فارسی (ترجمه ماشینی)

تولید ناخالص داخلی (تولید ناخالص داخلی) برای سیاست گذاری بسیار مهم است زیرا رشد تولید ناخالص داخلی یک شاخص اصلی در شرایط اقتصادی است.مدل های فاکتور پویا (DFMS) به دلیل توانایی آنها در رسیدگی به شاخص های نامنظم یا گمشده کلان و تفسیر آنها ، توسط سازمان های دولتی برای تولید ناخالص داخلی به طور گسترده اتخاذ شده است.با این حال ، DFM ها با دو چالش اصلی روبرو هستند: i) عدم گرفتن عدم قطعیت های اقتصادی مانند رکود ناگهانی یا رونق ، و ب) محدودیت گرفتن دینامیک نامنظم از داده های فرکانس مختلط.برای پرداختن به این چالش ها ، ما NCDENOW ، یک چارچوب جدید تولید ناخالص داخلی را معرفی می کنیم که معادلات دیفرانسیل کنترل شده عصبی (NCDES) را با DFMS ادغام می کند.این ادغام به طور موثری پویایی سری های زمانی نامنظم را کنترل می کند.NCDENOW از 3 ماژول اصلی تشکیل شده است: i) استخراج فاکتور DFM ، II) مدل سازی پویا با استفاده از NCDE و III) پیش بینی رشد تولید ناخالص داخلی از طریق رگرسیون.ما NCDENOW را در برابر 6 پایه در 2 مجموعه داده تولید ناخالص داخلی در دنیای واقعی از کره جنوبی و انگلستان ارزیابی می کنیم و توانایی پیش بینی پیشرفته آن را نشان می دهد.نتایج تجربی ما از روش ما حمایت می کند و پتانسیل قابل توجه ادغام NCDE را در مدل های Nowcasting برجسته می کند.کد و مجموعه داده ما در https://github.com/sklim84/ncdenow_cikm2024 در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.