arXiv 机器学习· Hariharan Srinivasan, Masoom Bhargava, Sayan Gupta·· 4 小时前AI 评分25
用于多元时间序列预测的相关性引导与动态训练聚类回声状态网络 CGDT-CESN
CGDT-CESN: Correlation-Guided and Dynamics-Trained Clustered Echo State Network for Multivariate Time-Series Prediction
AI 导读
研究人员提出了相关性引导与动态训练聚类回声状态网络 CGDT-CESN，用于多元时间序列预测。该架构采用模块化储备池设计，各聚类分别对应单个变量，并通过变量间经验相关性连接与训练簇间权重，以捕捉时变跨变量依赖。在 Twitter 信息级联演化与太阳风预测两个数据集上的测试显示，其在多预测跨度及小数据量下性能均优于传统 ESN。
来源：arXiv 机器学习 · arxiv.org