Long-term Forecasting using Tensor-Train RNNs添加链接描述
这篇文章是arxiv占坑的,正式发表名字改成了《Learning chaotic dynamics using tensor recurrent neural networks》。
在最近的时序预测研究领域,有许多在张量方面的研究比较新奇,就挑了一个文中涉及到的与RNN相关的文献研究了一下。
研究对象:作者面向的问题是非线性的、无规律、并且带有许多噪音的数据集。比如以下两个,分别是温度预测和公路上的速度预测。可以发现,这个数据就是乱。
作者在文中的表述是==“forecasting in environments with nonlinear dynamics”==。这边作者提到了非线性动力学(nonlinear dynamics),我找了一些资料,在神经网络中,的确有一部分内容是符合非线性动力学的,这个后文也有涉及。我们常用的RNN其实可以归纳为一种一阶马尔科夫模型,也就是只用到了一个前一个的隐藏态。如果运用到了L个隐藏态,就是L阶马尔科夫模型。
作者认为,这种 nonlinear dyn