一种用于鲁棒非线性时空预测的分布式神经网络架构
机器学习
2019-12-25 v1 神经与进化计算
摘要
我们提出一种分布式时空人工神经网络架构(DISTANA)。它使用循环神经预测核(PKs)对网格节点进行编码，同时神经转移核(TKs)在相邻PKs之间传递信息，共同建模并预测时空时间序列动态。因此，DISTANA假设存在普遍适用且可在局部修改的原因生成了观测数据。DISTANA以并行、空间分布的方式学习，可扩展至大型问题空间，能够逼近复杂动态，并且与其他竞争性ANN模型相比尤其对过拟合具有鲁棒性。此外，它适用于异构结构网格。
引用
@article{arxiv.1912.11141,
title = {A Distributed Neural Network Architecture for Robust Non-Linear Spatio-Temporal Prediction},
author = {Matthias Karlbauer and Sebastian Otte and Hendrik P. A. Lensch and Thomas Scholten and Volker Wulfmeyer and Martin V. Butz},
journal= {arXiv preprint arXiv:1912.11141},
year = {2019}
}
备注
8 pages, 4 figures, video on https://www.youtube.com/watch?v=4VHhHYeWTzo