时空模型的稠密ReLU神经网络

本研究聚焦于利用ReLU激活函数的完全连接深度神经网络进行非参数估计，解决了测量数据中时空依赖的问题。通过在流形上建模以应对维度诅咒，我们的模型更好地反映了现实数据的复杂性，并在预测性能和理论稳健性上取得了显著提升。实证模拟显示，所提方法在多种合成响应函数下优于现有文献中的方法，展现了稠密神经网络在时空建模中的强大能力。