Wesner

新的长记忆水库计算增强了登革热预测能力

研究人员开发了一种新颖的长记忆水库计算框架，以改善登革热预测，特别是在数据稀疏的情况下。所提出的系统将专用的长记忆和短记忆回声状态网络（ESNs）与岭回归读出相结合。引入了两种变体：分数阶ESN（fESN）和小波ESN（wESN），其中fESN结合了分数阶动力学，wESN使用小波平滑来捕捉远程依赖性。与各种登革热数据集和预测范围上的统计和深度学习基线相比，这两种变体都表现出优越的性能。