典型文献
基于自注意力移动平均线的时间序列预测
文献摘要：
时间序列预测有广阔的应用前景,吸引了越来越多的研究人员对其进行深入的研究.移动平均线是最常用的技术指标之一,它可以对过去一段时间内时间序列的整体变化规律进行概括,常常用来进行时间序列趋势预测.然而,传统的移动平均线指标是通过赋予时间序列数据相等或预定义的权重计算得到的,忽略了不同时间点重要性的细微差别;另外,对于不同的时间序列数据采用相同的权重,忽视了不同时间序列内在特性的差异.为了解决上述问题,提出一个自适应的自注意力移动平均线(Self?Attentive Moving Average,SAMA)指标.利用循环神经网络对时间序列的输入信号进行编码后,引入自注意力机制来自适应地确定不同时间点上数据的权重以计算移动平均值.此外,还使用多个自注意头对不同尺度的SAMA指标进行建模,最后将它们组合起来进行时间序列预测.在两个真实数据集上的大量实验证明了该方法的有效性,数据集和代码已在https:∥github.com/YY?Susan/SAMA上发布.
文献关键词：
时间序列预测;自注意力机制;移动平均线;多尺度指标融合
中图分类号：
作者姓名：
苏雅茜;崔超然;曲浩
作者机构：
山东财经大学计算机科学与技术学院,济南,250014;山东大学软件学院,济南,250101
文献出处：
引用格式：
[1]苏雅茜;崔超然;曲浩-.基于自注意力移动平均线的时间序列预测)[J].南京大学学报（自然科学版）,2022(04):649-657
A类：
SAMA,多尺度指标融合
B类：
移动平均线,时间序列预测,技术指标,趋势预测,时间序列数据,相等,预定,权重计算,不同时间点,细微差别,Self,Attentive,Moving,Average,循环神经网络,自注意力机制,上数,不同尺度,真实数据,代码,https,github,com,YY,Susan
AB值：
0.22645
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。
