详细内容或原文请订阅后点击阅览
长记忆神经网络
分数阶 SDE-Net：具有长期记忆的时间序列数据生成作者：Kohei Hayashi；Kei Nakagawa摘要：本文重点介绍使用神经网络生成时间序列数据。通常情况下，输入的时间序列数据（尤其是来自真实金融市场的数据）是不规则采样的，其噪声结构比 i.i.d. 类型更复杂。为了生成具有这种特性的时间序列，我们提出了 fSDE-Net：神经分数阶随机微分方程网络。它通过使用 Hurst 指数大于一半的分数布朗运动来推广神经 SDE 模型，从而表现出长期记忆特性。我们推导了 fSDE-Net 的求解器，并从理论上分析了 fSDE-Net 解的存在性和唯一性。我们的实验表明，fSDE-Net 模型可以很好地复制分布特性。日期：2022–01URL：http://d.repec.org/n?u=RePEc:arx:papers:2201.05974&r=&r=ets
来源:毫不犹豫分数 SDE-Net：具有长期记忆的时间序列数据生成
分数 SDE-Net：具有长期记忆的时间序列数据生成