English(EN) RNN(p) for Power Consumption Forecasting

新的RNN(p)模型为时间序列数据提供准确、可解释的预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-18 04:00

研究人员开发了一种基础循环神经网络，称为RNN(p)，它通过引入p个时间滞后来推广线性自回归模型。该模型专为预测具有季节性模式的时间序列数据而设计，例如能源消耗、经济指标和金融数据。RNN(p)架构允许高效的训练策略，并提供高度的可解释性，使其适用于能源市场和金融科技应用中的决策。 AI

影响引入了一种新颖的神经网络架构，用于提高时间序列分析中的预测准确性和可解释性。

排序理由该集群包含一篇详细介绍新模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Roberto Baviera, Pietro Manzoni · 2026-06-18 04:00

RNN(p) for Power Consumption Forecasting

arXiv:2209.01378v3 Announce Type: replace Abstract: An elementary Recurrent Neural Network that operates on p time lags, called an RNN(p), is the natural generalisation of a linear autoregressive model ARX(p). It is a powerful forecasting tool for variables displaying inherent se…