Softplus 和神经网络架构用于增强负二项 INGARCH 模型
统计方法学
2025-01-22 v1 统计计算
摘要
本研究通过引入 Softplus 负二项整数值广义自回条件异方差 (sp NB-INGARCH) 模型并建立其平稳性质，弥补了文献中的重要空白。此基础上，提出了神经负二项 INGARCH (neu-NB-INGARCH) 模型，旨在提高预测精度，同时适应计数时间序列数据中的适度非平稳性。通过仿真研究和数据分析，证明了 sp NB-INGARCH 模型的有效性；通过对医疗保健数据进行全面分析，展示了 neu-NB-INGARCH 模型的实际应用价值。此外，还 presented了关于神经网络在时间序列建模中应用的详尽文献综述，特别是针对计数时间序列。简而言之，本工作推动了基于神经网络的模型在计数时间序列预测中的理论理解和实际应用。
关键词
引用
@article{arxiv.2501.10655,
title = {Softplus and Neural Architectures for Enhanced Negative Binomial INGARCH Modeling},
author = {Divya Kuttenchalil Andrews and N. Balakrishna},
journal= {arXiv preprint arXiv:2501.10655},
year = {2025}
}