NFCL：用于短期多变量预测的可解释神经网络
机器学习
2024-05-24 v1 人工智能
摘要
多变量时间序列预测（MTSF）是机器学习领域中引人注目的领域。各种基于神经网络的方法在 MTSF 应用中都表现出色。尽管模型性能不断提升，但理解模型行为背后的逻辑仍然是谜题。我们提出的模型——神经网络预报层（NFCL）采用简单而直观的神经网络组合方式。这种简单的集成确保每个神经网络独立地贡献输入和预测，不受其他输入的干扰。因此，我们的模型能够透明地解释预测结果。本文介绍了 NFCL 及其各种扩展。实验结果表明，NFCL 在 15 个公开数据集上优于九个基准模型。值得注意的是，NFCL 不仅超越了竞争者，也为其预测提供了解释。此外，针对 NFCL 独特配置的严格实验也进一步佐证了其独特性。
引用
@article{arxiv.2405.13393,
title = {NFCL: Simply interpretable neural networks for a short-term multivariate forecasting},
author = {Wonkeun Jo and Dongil Kim},
journal= {arXiv preprint arXiv:2405.13393},
year = {2024}
}
备注
24 pages, 9 figures, preprint