基于深度状态空间的循环神经网络用于时间序列预测
机器学习
2024-07-23 v1
摘要
我们探索了 various neural network architectures for modeling the dynamics of the cryptocurrency market. 传统的线性模型往往难以准确捕捉这种市场的独特和复杂的动态行为。相比之下，深度神经网络（DNN）在时间序列预测方面展现出相当大的能力。本文引入了一种新型的神经网络框架，将计量经济学状态空间模型的原理与循环神经网络（RNN）的动态能力相结合。我们提出使用长短期记忆网络（LSTM）、门控残余单元（GRU）和时间柯尔莫戈尔-阿尔诺维网络（TKANs）的状态空间模型。根据结果，TKANs——灵感来自柯尔莫戈尔-阿尔诺维网络（KANs）和LSTM，展现出有前景的成果。
引用
@article{arxiv.2407.15236,
title = {Deep State Space Recurrent Neural Networks for Time Series Forecasting},
author = {Hugo Inzirillo},
journal= {arXiv preprint arXiv:2407.15236},
year = {2024}
}