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
2
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
基于多尺度局部与全局特征提取的时间序列预测网络
1
作者
王静
王济昂
+1 位作者
丁建立
李永华
《计算机工程与设计》
北大核心
2025年第6期1734-1741,共8页
为有效提取序列数据中的局部与全局变化,并对多尺度特征进行建模,提高时间序列预测准确率,提出一种基于多尺度局部与全局特征提取的时间序列预测网络。多尺度特征捕获模块使用多个不同大小的卷积提取序列中多周期的特征;关注对周期性序...
为有效提取序列数据中的局部与全局变化,并对多尺度特征进行建模,提高时间序列预测准确率,提出一种基于多尺度局部与全局特征提取的时间序列预测网络。多尺度特征捕获模块使用多个不同大小的卷积提取序列中多周期的特征;关注对周期性序列的建模,利用多尺度时序分离模块,使用平均池化分离得到时间序列的周期性和趋势性部分;局部与全局特征模块对序列中的局部变化和全局趋势进行建模。实验结果表明,所提算法在4个数据集上的预测效果均优于相关基线算法。
展开更多
关键词
多维时间序列预测
局部与全局特征
多尺度
卷积神经网络
时序分解
特征提取
深度学习
在线阅读
下载PDF
职称材料
多维时间序列的组合预测模型
被引量：
7
2
作者
赵亚伟
陈艳晶
《中国科学院大学学报（中英文）》
CSCD
北大核心
2016年第6期825-833,共9页
由于时间序列在各领域的广泛应用,时间序列预测已经引起越来越多的关注,但关于多维时间序列的预测关注较少.然而,多维时间序列蕴含着丰富的信息.针对该问题,提出基于k近邻(k-nearest neighbor,k-NN)和BP神经网络的多维时间序列组合预测...
由于时间序列在各领域的广泛应用,时间序列预测已经引起越来越多的关注,但关于多维时间序列的预测关注较少.然而,多维时间序列蕴含着丰富的信息.针对该问题,提出基于k近邻(k-nearest neighbor,k-NN)和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测,得到对应的预测结果.然后使用BP神经网络进行非线性组合,得到最终的预测结果.实验表明,该预测模型优于k-NN和BP神经网络预测模型.
展开更多
关键词
多维时间序列预测
K-NN
BP神经网络
在线阅读
下载PDF
职称材料
题名
基于多尺度局部与全局特征提取的时间序列预测网络
1
作者
王静
王济昂
丁建立
李永华
机构
中国民航大学安全科学与工程学院
中国民航大学信息安全测评中心
中国民航大学计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2025年第6期1734-1741,共8页
基金
国家自然科学基金项目(U2033205)。
文摘
为有效提取序列数据中的局部与全局变化,并对多尺度特征进行建模,提高时间序列预测准确率,提出一种基于多尺度局部与全局特征提取的时间序列预测网络。多尺度特征捕获模块使用多个不同大小的卷积提取序列中多周期的特征;关注对周期性序列的建模,利用多尺度时序分离模块,使用平均池化分离得到时间序列的周期性和趋势性部分;局部与全局特征模块对序列中的局部变化和全局趋势进行建模。实验结果表明,所提算法在4个数据集上的预测效果均优于相关基线算法。
关键词
多维时间序列预测
局部与全局特征
多尺度
卷积神经网络
时序分解
特征提取
深度学习
Keywords
multidimensional time series prediction
local and global features
multi-scale
convolutional neural network
time series decomposition
feature extraction
deep learning
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
多维时间序列的组合预测模型
被引量：
7
2
作者
赵亚伟
陈艳晶
机构
中国科学院大学工程科学学院
出处
《中国科学院大学学报（中英文）》
CSCD
北大核心
2016年第6期825-833,共9页
基金
国家自然科学基金(61072091)资助
文摘
由于时间序列在各领域的广泛应用,时间序列预测已经引起越来越多的关注,但关于多维时间序列的预测关注较少.然而,多维时间序列蕴含着丰富的信息.针对该问题,提出基于k近邻(k-nearest neighbor,k-NN)和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测,得到对应的预测结果.然后使用BP神经网络进行非线性组合,得到最终的预测结果.实验表明,该预测模型优于k-NN和BP神经网络预测模型.
关键词
多维时间序列预测
K-NN
BP神经网络
Keywords
multi-dimensional time series prediction
k-NN
BP neural network
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
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
基于多尺度局部与全局特征提取的时间序列预测网络
王静
王济昂
丁建立
李永华
《计算机工程与设计》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
多维时间序列的组合预测模型
赵亚伟
陈艳晶
《中国科学院大学学报（中英文）》
CSCD
北大核心
2016
7
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
