长短期认知网络
机器学习
2021-09-20 v2 人工智能
摘要
本文提出一种递归神经系系统——长短期认知网络（LSTCNs），作为短期认知网络（STCN）模型的推广。该推广的动机在于高效预测极长时间序列的困难。LSTCN 模型可定义为一组 STCN 块的集合，每个块处理所建模（多变量）时间序列的特定时间片段。在该神经集成中，每个块以代表先验知识的权重矩阵形式将信息传递给下一个块。作为第二项贡献，我们提出一种确定性学习算法，在计算可学习权重的同时保留先前学习过程产生的先验知识。作为第三项贡献，我们引入特征影响分数作为代理，以解释多变量时间序列中的预测过程。使用三个案例研究的仿真表明，我们的神经系统报告了较小的预测误差，同时显著快于最先进的递归模型。
引用
@article{arxiv.2106.16233,
title = {Long Short-term Cognitive Networks},
author = {Gonzalo Nápoles and Isel Grau and Agnieszka Jastrzebska and Yamisleydi Salgueiro},
journal= {arXiv preprint arXiv:2106.16233},
year = {2021}
}