基于堆叠长短期记忆网络的时间序列预测
机器学习
2020-11-03 v1 机器学习
摘要
长短期记忆（LSTM）网络常用于捕捉时间依赖模式。通过堆叠多层 LSTM 网络，可以捕捉更复杂的模式。本文探讨了在时间序列预测领域，特别是交通量预测中，应用堆叠 LSTM 网络的有效性。能够更准确地预测交通量可带来更好的规划，从而大幅降低运营成本并提升整体效率。
引用
@article{arxiv.2011.00697,
title = {Time Series Forecasting with Stacked Long Short-Term Memory Networks},
author = {Frank Xiao},
journal= {arXiv preprint arXiv:2011.00697},
year = {2020}
}
备注
7 pages, 8 figures