研究人员开发了逆交叉谱神经网络（iCSNNs），这是一种专为平稳多元时间序列设计的新型图神经网络。与先前假设独立观测值的模型不同，iCSNNs 通过使用逆交叉谱密度矩阵作为移位算子来捕获时间上和跨变量的依赖关系。这些算子编码变量之间的特定频率关系，并且模型将频率分组到不同的频带中以共享算子，从而实现更紧凑的参数化。伴随的联合学习过程允许估计频域依赖结构和 iCSNN 参数，并使它们适应特定任务。在合成数据上的初步测试表明，iCSNN 的性能优于现有的基线方法。 AI
影响 引入了一种分析复杂时间序列数据的新型架构，有可能改进多元系统中的预测和异常检测。
排序理由 该项目描述了一篇研究论文中提出的一种新型神经网络架构。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Covariance Neural Networks
- graph neural networks
- iCSNN
- Inverse Cross-Spectral Density
- Inverse Cross-spectral Neural Networks
- Spectral Representation Theorem
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
