期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的时间序列预测方法综述
1
作者
潘志松
韩笑
黎维
《南京航空航天大学学报(自然科学版)》
北大核心
2025年第5期799-821,共23页
深度学习因能够更好地捕捉时间序列数据中的复杂关系和模式而成为解决时间序列预测的有效方法。典型的做法是单独地学习这些任务,为每个任务训练1个单独的神经网络,在时间序列预测中取得了丰硕的成果。最近的多任务学习技术通过学习共...
深度学习因能够更好地捕捉时间序列数据中的复杂关系和模式而成为解决时间序列预测的有效方法。典型的做法是单独地学习这些任务,为每个任务训练1个单独的神经网络,在时间序列预测中取得了丰硕的成果。最近的多任务学习技术通过学习共享知识联合处理多个预测任务,在性能、计算和内存占用方面显示出了其优势。本文首先综述了以卷积神经网络、循环神经网络、注意力机制、Transformer和图神经网络为代表的时间序列预测深度模型,包括数据集、模型特点和性能;然后深入分析了深度多任务时间序列预测模型,按照参数共享方式和参数共享(交互)位置进行分类概述,并讨论了一些常见的多任务时间序列预测框架。最后对深度时间序列预测面临的问题和挑战进行了总结,并对未来研究趋势进行了展望。
展开更多
关键词
深度学习
时间
序列
预测
多任务时间序列预测
参数共享
参数交互
在线阅读
下载PDF
职称材料
题名
基于深度学习的时间序列预测方法综述
1
作者
潘志松
韩笑
黎维
机构
陆军工程大学指挥控制工程学院
陆军装甲兵学院信息通信系
出处
《南京航空航天大学学报(自然科学版)》
北大核心
2025年第5期799-821,共23页
基金
国家自然科学基金(62076251)
陆军工程大学基础学科科研基金科研课题培育项目(KYJBJKQTZK23003)。
文摘
深度学习因能够更好地捕捉时间序列数据中的复杂关系和模式而成为解决时间序列预测的有效方法。典型的做法是单独地学习这些任务,为每个任务训练1个单独的神经网络,在时间序列预测中取得了丰硕的成果。最近的多任务学习技术通过学习共享知识联合处理多个预测任务,在性能、计算和内存占用方面显示出了其优势。本文首先综述了以卷积神经网络、循环神经网络、注意力机制、Transformer和图神经网络为代表的时间序列预测深度模型,包括数据集、模型特点和性能;然后深入分析了深度多任务时间序列预测模型,按照参数共享方式和参数共享(交互)位置进行分类概述,并讨论了一些常见的多任务时间序列预测框架。最后对深度时间序列预测面临的问题和挑战进行了总结,并对未来研究趋势进行了展望。
关键词
深度学习
时间
序列
预测
多任务时间序列预测
参数共享
参数交互
Keywords
deep learning
time series forecasting
multi-task time series forecasting
parameter sharing
parameter interaction
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的时间序列预测方法综述
潘志松
韩笑
黎维
《南京航空航天大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
