基于集成深度学习的时间序列预测模型

何正义; 曾宪华; 曲省卫; 吴治龙

首页> 中文期刊> 《山东大学学报：工学版》 >基于集成深度学习的时间序列预测模型

基于集成深度学习的时间序列预测模型

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

基于高斯过程的条件受限玻尔兹曼机(GCRBM)时序模型可以很好的预测单一种类时序数据,但是该模型难以预测多类别的真实高维数据。针对这个问题,提出基于集成深度学习的时间序列预测模型,对多类时序对应训练多个深可信网络(deep belief networks,DBN)模型来学习低维特征,利用低维特征对应训练多个GCRBM时序模型。预测时序时先通过训练出的一组DBN模型对目标数据进行降维并通过重建误差识别类别,然后通过识别到的类别所对应的GCRBM模型预测目标数据的后期时序。在CASIA-A步态数据集上的试验结果表明:本方法能够准确识别出步态序列,而且预测结果能够模拟出真实的步态序列,证实了本模型的有效性。

著录项

来源
《山东大学学报：工学版》 |2016年第6期|40-47|共8页
作者
何正义; 曾宪华; 曲省卫; 吴治龙;
展开▼
作者单位

重庆邮电大学计算机科学与技术学院;

重庆400065;

计算智能重庆市重点实验室;

重庆400065;

展开▼
原文格式 PDF
正文语种 chi
中图分类自动推理、机器学习;
关键词
时间序列; 预测模型; 深可信网络; 高斯过程的条件受限玻尔兹曼机; 集成深度学习;

相似文献

中文文献
外文文献
专利

1. 基于时间序列模型遴选的集成组合预测模型 [J] . 吴晓峰 ,林晓言 ,靳雅楠 . 统计与决策 . 2021,第9期
2. 基于深度学习的金融时间序列数据集成预测 [J] . 闫洪举 . 统计与信息论坛 . 2020,第4期
3. 水文时间序列解析-集成预测模型研究 [J] . 赵长森 ,夏军 ,沈冰 . 地理科学进展 . 2008,第3期
4. 基于双重注意力机制改进的DA-LSTM时间序列预测模型 [J] . 李克文 ,于明洋 . 计算机应用与软件 . 2023,第2期
5. 基于时间序列分解的交通流量预测模型 [J] . 夏进 ,王正群 ,朱世明 . 计算机应用 . 2023,第4期
6. 基于深度学习结构网络的输气管道水力预测模型 [C] . CHEN Xinguo ,陈新果 ,LI Xiaoping . 第六届中国国际管道会议 . 2017
7. 基于CEEMDAN与深度学习的时间序列预测模型研究 [A] . 李昌明 . 2021

基于集成深度学习的时间序列预测模型

摘要

著录项

相似文献

相关主题

期刊订阅