基于差分注意力与误差校正 LSTM 的时间序列预测模型
机器学习
2020-08-26 v1 机器学习
摘要
本文提出一种用于时间序列预测的新模型，其中差分注意力 LSTM 模型与误差校正 LSTM 模型分别被采用并以级联方式结合。差分注意力 LSTM 模型在传统 LSTM 中引入差分特征以执行注意力机制，从而聚焦于时间序列中的显著变化。误差校正 LSTM 模型对差分注意力 LSTM 模型的预测误差进行细化，以进一步提高预测精度。最后，我们设计了一种训练策略来同时联合训练这两个模型。借助额外的差分特征与新的原理学习框架，我们的模型能够提升时间序列中的预测精度。在各种时间序列上进行的实验证明了我们方法的有效性。
引用
@article{arxiv.2003.13616,
title = {Difference Attention Based Error Correction LSTM Model for Time Series Prediction},
author = {Yuxuan Liu and Jiangyong Duan and Juan Meng},
journal= {arXiv preprint arXiv:2003.13616},
year = {2020}
}