用于时间序列可视化的模型耦合自编码器
天体物理仪器与方法
2016-01-22 v1 神经与进化计算
摘要
我们提出一种结合回声状态网络与自编码器的时间序列可视化方法。对于数据集中的每个时间序列，我们使用一个通用且固定的隐藏神经元储备池训练一个回声状态网络，并将优化后的读出权重用作新表示。然后通过对读出权重表示使用自编码器进行降维。工作的关键在于为自编码器配备一个损失函数，该函数通过将这些重建的读出权重关联回在序列数据空间中测量的重建误差来正确解释它们。这本质上等同于当将重建的读出权重插回具有相同固定储备池的回声状态网络时，在其相应序列上展现的预测性能。我们证明了所提出的可视化框架既能处理实值序列也能处理二值序列。我们推导了放大因子以分析可视化空间中的距离保持与畸变。所提方法的通用性和优势在来自不同领域的时间序列数据集上得到展示。
引用
@article{arxiv.1601.05654,
title = {Model-Coupled Autoencoder for Time Series Visualisation},
author = {Nikolaos Gianniotis and Sven D. Kügler and Peter Tiňo and Kai L. Polsterer},
journal= {arXiv preprint arXiv:1601.05654},
year = {2016}
}