一种高效的多分位数回归网络及其对分位数交叉的专门预防
机器学习
2024-06-04 v1 机器学习
摘要
本文提出了排序复合分位数回归神经网络（SCQRNN），这是一种先进的分位数回归模型，旨在防止分位数交叉并提高计算效率。通过在训练中集成专门排序，SCQRNN确保分位数不相交，提高了模型的可靠性和可解释性。我们证明，SCQRNN不仅防止了分位数交叉并降低了计算复杂度，而且比传统模型实现了更快的收敛。这一进步满足了高性能计算对可持续、准确计算的要求。在有机计算中，SCQRNN通过预测不确定性增强了自感知系统，丰富了金融、气象学、气候科学和工程等领域的应用。
引用
@article{arxiv.2406.00080,
title = {An Efficient Multi Quantile Regression Network with Ad Hoc Prevention of Quantile Crossing},
author = {Jens Decke and Arne Jenß and Bernhard Sick and Christian Gruhl},
journal= {arXiv preprint arXiv:2406.00080},
year = {2024}
}