通过多任务学习正则化NARX模型
机器学习
2025-01-09 v1
摘要
非线性自回归带外生输入模型（NARX）可用于描述随时间变化的过程，其中输出取决于先前的输出以及当前/先前的外部输入变量。NARX模型的一个局限是其容易过拟合，导致对未来预测的泛化性能差。 proposed方法旨在克服过拟合问题，方法是使用能预测当前时间以及多个提前时间的NARX模型。这是一种多任务学习（MTL）形式，提前时间的输出将正则化当前时间的输出。本工作表明，在高噪声水平下，MTL可用于正则化NARX，其归一化均方误差（NMSE）低于独立学习者的NMSE。
引用
@article{arxiv.2501.04470,
title = {Regularising NARX models with multi-task learning},
author = {Sarah Bee and Lawrence Bull and Nikolaos Dervilis and Keith Worden},
journal= {arXiv preprint arXiv:2501.04470},
year = {2025}
}