将时间变量映射至 NeuCube 以改进流数据的模式识别、预测建模与理解
神经与进化计算
2016-03-18 v1 人工智能
机器学习
摘要
本文提出一种新方法，用于将描述时间流数据的时间变量优化映射至最近提出的 NeuCube 脉冲神经网络架构中。这种优化映射扩展了 NeuCube 的用途，其最初为时空脑数据设计，现可处理任意流数据，并通过可视化 NeuCube 连接性实现对复杂时间流数据更好的时间模式识别精度、更好且更早的事件预测以及更好的理解。新映射的效果在三个基准问题上得到展示。第一个是从时间生理数据早期预测患者睡眠阶段事件。第二个是加州湾区交通动态时间模式的模式识别，最后一个是 Challenge 2012 竞赛数据集。在所有案例中，与传统机器学习技术或变量任意映射的脉冲神经网络储备池相比，所提映射的使用带来了改进的模式识别与事件预测精度以及更好的数据理解。
引用
@article{arxiv.1603.05594,
title = {Mapping Temporal Variables into the NeuCube for Improved Pattern Recognition, Predictive Modelling and Understanding of Stream Data},
author = {Enmei Tu and Nikola Kasabov and Jie Yang},
journal= {arXiv preprint arXiv:1603.05594},
year = {2016}
}
备注
Accepted by IEEE TNNLS