TS-LIF:一种用于时间序列预测的时序段脉冲神经元网络
📝
内容提要
本文针对现有脉冲神经网络在时间序列预测中的局限性,提出了时序段泄漏集成脉冲(TS-LIF)模型,该模型通过新颖的双腔体架构提高对多尺度时序动态的处理能力。实验结果表明,TS-LIF在精度和鲁棒性方面超过传统脉冲神经网络,尤其在处理缺失数据时表现优越,具有广泛的应用潜力。
➡️
本文针对现有脉冲神经网络在时间序列预测中的局限性,提出了时序段泄漏集成脉冲(TS-LIF)模型,该模型通过新颖的双腔体架构提高对多尺度时序动态的处理能力。实验结果表明,TS-LIF在精度和鲁棒性方面超过传统脉冲神经网络,尤其在处理缺失数据时表现优越,具有广泛的应用潜力。