FV-MgNet：用于可解释时间序列预测的全连接 V 循环 MgNet
人工智能
2023-02-03 v1 信号处理
摘要
通过研究约束线性模型的迭代方法，我们提出一类用于长期时间序列预测的新型全连接 V 循环 MgNet，这是预测中最困难的任务之一。MgNet 是一个基于用于求解离散化偏微分方程（PDEs）的多重网格（MG）方法而提出的用于图像分类的 CNN 模型。我们在现有 MgNet 中用全连接操作替换卷积操作，并将其应用于预测问题。受 MG 中 V 循环结构的启发，我们进一步提出 FV-MgNet，即全连接 MgNet 的 V 循环版本，以分层提取特征。通过在流行数据集上评估 FV-MgNet 性能并与最先进（SOTA）模型比较，我们表明 FV-MgNet 以更少的内存占用和更快的推理速度取得了更好的结果。此外，我们开展了消融实验以证明 FV-MgNet 的结构在众多变体中是最佳选择。
引用
@article{arxiv.2302.00962,
title = {FV-MgNet: Fully Connected V-cycle MgNet for Interpretable Time Series Forecasting},
author = {Jianqing Zhu and Juncai He and Lian Zhang and Jinchao Xu},
journal= {arXiv preprint arXiv:2302.00962},
year = {2023}
}
备注
17 pages, 4 figures, 11 tables