用于序列预测的时间折叠卷积神经网络

Matthias Weissenbacher

用于序列预测的时间折叠卷积神经网络

机器学习 2020-01-13 v1 计算机视觉与模式识别机器学习

作者: Matthias Weissenbacher

摘要

本文中,我们提出一种利用卷积神经网络进行时间序列预测的新方法。具有空间维度 $D=1,2$ 的序列数据的时间方向被平等地视为时空 $(D+1)$ 维卷积神经网络的输入。该网络随后将数据流从 $D+1 \to D$ 维降维,接着由一个推断单元利用该信息预测后续时间步。我们在序列MNIST和JSB chorals数据集上分别将该策略与卷积LSTM和LSTM的性能进行经验比较。我们得出结论:时间折叠卷积神经网络(TFC)可能优于常规循环策略。

关键词

时间序列预测卷积神经网络时间折叠序列预测卷积LSTM

引用

@article{arxiv.2001.03340,
  title  = {Temporally Folded Convolutional Neural Networks for Sequence Forecasting},
  author = {Matthias Weissenbacher},
  journal= {arXiv preprint arXiv:2001.03340},
  year   = {2020}
}

备注

8 pages, 4 figures, submitted to IJCAI 2020 Proceedings

用于序列预测的时间折叠卷积神经网络

摘要

关键词

引用

备注

相关论文