...
机译:基于时间的序列方差学习与递归混合密度网络
Department of Computing, Goldsmiths College, University of London. London SE14 6NW, UK;
School of Computer Science, The University of Birmingham, Birmingham B15 2TT, UK;
Department of Knowledge Engineering, Faculty of Humanities and Science, Maastricht University, Maastricht 6200, MD, The Netherlands;
Mixture density neural networks; GARCH models; Real-time recurrent learning algorithm;
机译:学习时间依赖权重的递归神经网络中的连续轨迹
机译:孔隙水压时间序列预测的机器学习:经常性神经网络的应用
机译:用于多步时间序列预测的机器学习建模中的不确定性量化:排出模拟中经常性神经网络的示例
机译:递归神经网络的时间相关序列方差估计
机译:利用反复化和混合密度网络架构模拟全国篮球协会的游戏中的赢概率
机译:尺骨正方差缩短结果参数随时间的恢复:一个预期病例系列
机译:使用混合密度从示范中学习不确定性 具有无采样方差建模的网络