クラウドコンピューティングに基づく長短期記憶（LSTM）を用いた消費者物価指数の予測

長短期記憶（LSTM）は、長期的な記憶の維持に関するRNNの欠点を克服する最適化されたリカレントニューラルネットワーク（RNN）アーキテクチャとして知られています。機械学習ネットワークの一部として、LSTMは時系列予測に最適な選択肢としても注目されています。現在、機械学習は経済界で重要なテーマとなっており、マクロ経済およびミクロ経済の指標を予測する研究が豊富に発表されています。インフレ率は中央銀行や民間セクターの意思決定に利用されています。インドネシアでは、CPI（消費者物価指数）は卸売物価指数や国内総生産（GDP）と並ぶ最も優れたインフレ指標の一つです。CPIデータは次のインフレの動きを指示するために利用できるため、私たちはLSTM手法を用いてCPI予測モデルを実施しました。ネットワークモデルの入力はスラバヤの主食価格の28の変数で構成されており、出力はCPI値です。予測モデル全体の開発はAmazon Web Service（AWS）クラウドで行われました。精度向上のために、確率的勾配降下法（SGD）、ルート平均二乗伝播（RMSProp）、適応的勾配法（AdaGrad）、適応モーメント（Adam）、Adadelta、Nesterov Adam（Nadam）、およびAdamaxなど、いくつかの最適化アルゴリズムを使用しました。結果は、Nadamが4.008のRMSE値を持ち、他のアルゴリズムよりも高い精度を示していることを示しています。