用于单变量与多变量时间序列预测的自回归卷积循环神经网络
机器学习
2019-03-07 v1 机器学习
摘要
时间序列预测（单变量与多变量）由于输入中须被检测的模式涵盖从高到低不同频率而具有高度复杂性。本文提出一种用于时间序列预测的新模型，其利用卷积层进行特征提取、一个循环编码器以及一个线性自回归分量。我们阐明了模型动机，并将其与广泛使用的现有单变量与多变量时间序列架构基线进行测试与比较。所提模型在多变量时间序列数据集的几乎每种情形下均表现优于基线，某些情形下甚至提升达 50%，显示出此类混合架构在复杂时间序列中的优势。
引用
@article{arxiv.1903.02540,
title = {Autoregressive Convolutional Recurrent Neural Network for Univariate and Multivariate Time Series Prediction},
author = {Matteo Maggiolo and Gerasimos Spanakis},
journal= {arXiv preprint arXiv:1903.02540},
year = {2019}
}
备注
ESAN2019 accepted paper, 6 pages