用于时间序列预测的灰信息神经网络
机器学习
2024-04-04 v2 人工智能
摘要
神经网络模型在各个领域展现出卓越的性能，并成功解决了诸多复杂问题。然而，这些模型大多被视为黑箱，需要大量数据才能进行开发。因此，在数据有限的情况下，由于缺乏透明性和数据稀缺，构建合适的模型变得具有挑战性。为应对这些挑战，本研究提出了一种灰信息神经网络（Grey-Informed Neural Network, GINN）。GINN 确保神经网络的输出遵循灰色系统的微分方程模型，从而提升可解释性。此外，融入灰色系统理论的先验知识，使得传统神经网络能够有效处理小数据样本。我们观察到，所提出的模型能够揭示现实世界中的潜在模式，并基于经验数据产生可靠的预测。
引用
@article{arxiv.2403.15027,
title = {Grey-informed neural network for time-series forecasting},
author = {Wanli Xie and Ruibin Zhao and Zhenguo Xu and Tingting Liang},
journal= {arXiv preprint arXiv:2403.15027},
year = {2024}
}