一种用于时间序列预测的平移不变神经网络结构
作者机构:东北财经大学数据科学与人工智能学院
出 版 物:《北京邮电大学学报》 (Journal of Beijing University of Posts and Telecommunications)
年 卷 期:2024年第3期
页 面:103-110页
学科分类:02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程]
基 金:辽宁省应用基础研究计划项目(2023JH2/101600040) 辽宁省教育厅基本科研项目(LJKMZ20221598) 国家自然科学基金项目(72273019)
摘 要:全序列时序形态相似性度量方法通常存在不能从整体上挖掘时序间形态趋势变化的问题。对此,提出了一种具有丰富输出表示的扩展层,并结合自编码器网络自动从时序数据中学习具有平移不变的全局相似性,实现对时序数据的全局特征提取和时间序列预测效果的提升。实验结果表明,所提模型在多个现实世界时序数据集的预测任务中的所有情况下都显示出优异的性能。