智能数据表示：对深度神经网络精度的影响
机器学习
2021-11-18 v1
摘要
深度神经网络能够以更少的工程投入和更优的性能解决许多复杂任务。然而，这些网络常直接使用数据进行训练和评估，却不考察其表示形式，即所用数据的形式。本文中，我们基于能源时间序列预测，分析数据表示对深度神经网络性能的影响。在对典型数据表示进行概览的基础上，我们选取四种示例性数据表示，并在两种不同深度神经网络架构和三个预测视界下，使用真实世界能源时间序列对其进行评估。结果表明，依据预测视界的不同，相同的数据表示会对深度神经网络的精度产生正面或负面影响。
引用
@article{arxiv.2111.09128,
title = {Smart Data Representations: Impact on the Accuracy of Deep Neural Networks},
author = {Oliver Neumann and Nicole Ludwig and Marian Turowski and Benedikt Heidrich and Veit Hagenmeyer and Ralf Mikut},
journal= {arXiv preprint arXiv:2111.09128},
year = {2021}
}