使用深度学习生成美国国内生产总值 (GDP) 增长的密度预测:基于贝叶斯后向传播和蒙特卡洛辍学
发表于: 。人工神经网络 (ANNs) 可以比动态因素模型 (DFM) 更准确地预测国内生产总值 (GDP),尤其在经济衰退和结构性断裂期间展现出灵活性和非线性估计模型的性能优势。为了填补 ANNs 无法生成带有不确定性的预测分布的空白,我们使用贝叶斯反向传播和 Monte Carlo dropout 两种不同的深度学习算法,使得 ANNs 能够生成美国 GDP...
人工神经网络 (ANNs) 可以比动态因素模型 (DFM) 更准确地预测国内生产总值 (GDP),尤其在经济衰退和结构性断裂期间展现出灵活性和非线性估计模型的性能优势。为了填补 ANNs 无法生成带有不确定性的预测分布的空白,我们使用贝叶斯反向传播和 Monte Carlo dropout 两种不同的深度学习算法,使得 ANNs 能够生成美国 GDP...