在神经网络中引入泰勒级数与递归结构用于时间序列预测
机器学习
2024-02-12 v1
摘要
时间序列分析在物理学、生物学、化学和金融学等多个学科中都具有重要意义。本文提出了一种新颖的神经网络架构，该架构融合了 ResNet 结构的元素，同时创新性地引入了泰勒级数框架。这种方法在所研究的许多基线数据集上的测试准确率均表现出显著提升。此外，我们将该方法扩展以引入递归步骤，从而进一步提高了测试准确率。我们的研究结果强调了所提出模型在显著推进时间序列分析方法方面的潜力，为未来的研究和应用提供了有前景的方向。
引用
@article{arxiv.2402.06441,
title = {Incorporating Taylor Series and Recursive Structure in Neural Networks for Time Series Prediction},
author = {Jarrod Mau and Kevin Moon},
journal= {arXiv preprint arXiv:2402.06441},
year = {2024}
}