10.16208/j.issn1000-7024.2022.03.040
基于注意力机制的CNN-GCN模型及其应用
现有多变量时间序列(multivariate time series,MTS)预测方法模型主要采用循环神经网络和注意力机制提取MTS的复杂时空特征,这些方法对MTS变量之间的空间依赖关系的捕获能力不足.图卷积网络对复杂数据的空间特征提取能力较强.为此提出一种融入图卷积网络、注意力机制和深度学习中的卷积神经网络的三通道网络框架模型,将该框架模型用于多变量时间序列预测任务.实验结果表明,该模型在国际汇率这一多变量时间序列数据集上的性能表现要优于目前较先进的几个基线模型.
注意力机制;图卷积网络;时间序列预测;卷积神经网络;深度学习
43
TP183(自动化基础理论)
2022-03-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
895-900,封3