您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201911-96
论文题目 基于聚类和神经网络的多变量时间序列预测方法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于聚类和神经网络的多变量时间序列预测方法

首发时间:2019-11-29

单傲 1   

单傲(1995-),男,硕士研究生,主要研究方向:自然语言处理

闫丹凤 1   

闫丹凤(1972-),女,教授,博导,主要研究方向:人工智能,自然语言处理

  • 1、北京邮电大学网络技术研究院,北京 100876

摘要:多变量时间序列数据在日常生活中分布广泛,并且在很多领域中得到广泛研究。但是其中仍然存在着一些挑战,比如提取时间序列内部的短期和长期依存关系、捕获序列中的多种周期模式。本文提出了聚类卷积递归神经网络来应对其中的种种问题。经过多变量时间序列聚类之后,模型分别使用卷积递归神经网络与展平卷积递归神经网络来提取不同聚类类别之间与类别内部的差异性与相似性,并且组件中同时使用注意力机制和多个卷积层来捕获序列中不同的周期性模式。本文中提出的模型在各种数据集上的效果都取得了显着改善且具有很高的实用性,所有实验结果将在稍后的论文中展示。

关键词: 人工智能 多变量时间序列 注意力 卷积网络 递归网络

For information in English, please click here

A Clustering and Neural Network Based Model for Multivariate Time-Series Prediction

SHAN Ao 1   

单傲(1995-),男,硕士研究生,主要研究方向:自然语言处理

YAN Danfeng 1   

闫丹凤(1972-),女,教授,博导,主要研究方向:人工智能,自然语言处理

  • 1、Institute of network technology, Beijing University of Posts and Telecommunications, Beijing 100876

Abstract:Multivariate time series are widely distributed in our daily life. And multivariate time series prediction is extensively studied with ubiquitous applications across many domains. But ther are still challenges in it, like extracting short- and long-term dependency, capturing different periodic pattern. This paper proposes a novel deep learning framework named Clustering Convolutional Recurrent Neural Network. Starting with time series clustering, Convolutional Recurrent Neural Network and Flatten Convolutional Recurrent Neural Network extract differences and similarities among clusters and variables. This model also use attention mechanism and multiple convolution layers to capture different periodic patterns. This model has achieved significant improvement in diverse datasets and has great practicabilities, all experimental results will be shown through our paper later.

Keywords: Artificial intelligence Multivariate time series Attention Convolutional neural network Recurrent neural network

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
单傲,闫丹凤. 基于聚类和神经网络的多变量时间序列预测方法[EB/OL]. 北京:中国科技论文在线 [2019-11-29]. http://www.paper.edu.cn/releasepaper/content/201911-96.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于聚类和神经网络的多变量时间序列预测方法