典型文献
基于自回归神经网络的多维时间序列分析
文献摘要：
针对多维时间序列分析传统方法多数需要依靠手动建立时间依赖关系探索历史数据中隐含规律的问题,提出一种自回归神经网络方法.首先,通过卷积神经网络(CNN)和双向长短期记忆网络(LSTM)构成神经网络分别捕获多维输入特征和时间序列中存在的复杂依赖关系,并结合传统的 自回归方法对线性关系进行特征提取;其次,在不同领域的两个数据集上与多个经典模型进行对比实验,结果表明,该模型预测性能最优,并能成功捕获数据中存在的重复模式;最后,用消融实验验证了该模型框架的高效性和稳定性.
文献关键词：
多维时间序列;神经网络;自回归模型
中图分类号：
作者姓名：
邱玉祥;蔡艳;陈霖;万明;周宇
作者机构：
南京南瑞信息通信科技有限公司,南京210003;南京航空航天大学计算机科学与技术学院,南京211106
文献出处：
引用格式：
[1]邱玉祥;蔡艳;陈霖;万明;周宇-.基于自回归神经网络的多维时间序列分析)[J].吉林大学学报（理学版）,2022(05):1143-1152
A类：
B类：
多维时间序列,时间序列分析,靠手,建立时间,时间依赖,依赖关系,关系探索,历史数据,中隐,神经网络方法,双向长短期记忆网络,输入特征,预测性能,消融实验,模型框架,自回归模型
AB值：
0.278908
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
