arXiv cs.LG· Hariharan Srinivasan, Masoom Bhargava, Sayan Gupta·· 15 天前AI 评分25
CGDT-CESN：用于多元时间序列预测的相关性引导与动力学训练聚类回声状态网络
CGDT-CESN: Correlation-Guided and Dynamics-Trained Clustered Echo State Network for Multivariate Time-Series Prediction
AI 导读
研究者提出了用于多元时间序列预测的 CGDT-CESN 网络，采用模块化储备池架构，让每个集群专门负责序列中的单一变量。该模型通过变量间的实测相关性构建并训练集群间连接权重，在不牺牲计算效率的前提下捕捉随时间变化的跨变量依赖。在 Twitter 信息级联演化与太阳风预测两个数据集上的评估显示，CGDT-CESN 预测表现优于传统 ESN，且在多个预测跨度及小数据量下均保持性能优势。
来源：arXiv cs.LG · arxiv.org