PulseAugur
中
实时 10:58:39
English(EN) Beyond Linear Dynamics: Neural Bilinear Dynamical Models for Time Series Forecasting

新型神经双线性模型增强时间序列预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了神经双线性动力学模型（NBDM），以改进非线性动力学系统的时间序列预测。NBDM 利用 Koopman 理论将非线性动力学映射到更高维度的潜在空间，然后在该空间中使用双线性模型捕捉状态演化。该模型还包含一个参数化的误差补偿项，并明确整合了控制输入，在辅助变量不可用时学习反馈信号。对于控制输入缺失的场景，一个增强记忆的控制器通过乘法交互来推断潜在控制。在五个真实世界数据集上的实验表明，NBDM 在给定控制和缺失控制设置下均优于现有方法，尤其是在长视界预测方面。 AI

影响 这种新模型可以提高复杂、非线性现实世界系统中预测的准确性。

排序理由 该集群包含一篇详细介绍用于时间序列预测的新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型神经双线性模型增强时间序列预测能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Mengzhou Gao, Huangqian Yu, Pengfei Jiao ·

    超越线性动力学：用于时间序列预测的神经双线性动力学模型

    arXiv:2608.04471v1 Announce Type: cross Abstract: Time series in real-world applications are often generated by nonlinear dynamical systems, making accurate forecasting challenging. Existing approaches that explicitly model system dynamics typically rely on linear assumptions or …

相关话题