基于泰勒优化的递归扩展指数平滑神经网络预测方法
神经与进化计算
2018-11-02 v1 人工智能
摘要
本研究应用并扩展了一种称为基于泰勒优化的递归扩展指数平滑神经网络 (Taylor-based Optimized Recursive Extended Exponential Smoothed Neural Networks) 预测方法以预测数值。与传统仅预测未来值的预测技术不同，我们提出的方法提供了一个新的扩展来修正预测值，这是通过预测估计误差来实现的。实验结果表明，所提方法在训练数据和测试数据上均具有高准确度，并在 Mackey-Glass、NARMA、Lorenz 和 Henon 映射数据集上优于最先进的 RNN 模型。
引用
@article{arxiv.1811.00323,
title = {Taylor-based Optimized Recursive Extended Exponential Smoothed Neural Networks Forecasting Method},
author = {Emna Krichene and Wael Ouarda and Habib Chabchoub and Adel M. Alimi},
journal= {arXiv preprint arXiv:1811.00323},
year = {2018}
}