DVS：深度可见性序列及其在工程造价指数预测中的应用
机器学习
2022-05-17 v4 人工智能
摘要
时间序列预测是近年来的研究热点。可见性图（VG）算法在以往研究中被用于时间序列预测，但其预测效果不如基于人工神经网络（ANN）、卷积神经网络（CNN）和长短期记忆网络（LSTM）等深度学习方法。由特定时间序列生成的可见性图包含丰富的网络信息，但以往的预测方法未能有效利用这些网络信息进行预测，导致预测误差相对较大。为优化基于VG的预测方法，本文通过对VG的仿生设计及既往研究的拓展，提出了深度可见性序列（DVS）模块。通过将生物视觉的仿生设计应用于VG，DVS获得了更优的预测精度。同时，本文将DVS预测方法应用于工程造价指数预测，具有实际意义。
引用
@article{arxiv.2111.04071,
title = {DVS: Deep Visibility Series and its Application in Construction Cost Index Forecasting},
author = {Tianxiang Zhan and Yuanpeng He and Hanwen Li and Fuyuan Xiao},
journal= {arXiv preprint arXiv:2111.04071},
year = {2022}
}