基于长短时记忆和动态贝叶斯网络的序列预测.PDFVIP

第28卷 第9期 计 算机 技 术 与发 展 Vol.28 No.9 2018年9月 COMPUTERTECHNOLOGY AND DEVELOPMENT Sep. 2018 基于长短时记忆和动态贝叶斯网络的序列预测 司 阳,肖秦琨 (西安工业大学 电子信息工程学院,陕西 西安 710021) 摘 要:伴随着计算机视觉技术的迅猛发展,时间序列预测问题在算法优化中扮演着越来越重要的作用。 由于数据不确 定性的增加,多步预测遇到了巨大的挑战。 针对传统预测模型中累积误差造成的预测精度低和算法复杂度等问题,提出 了一种基于长短时记忆神经网络(LSTM)和动态贝叶斯网络(DBN)的时间序列预测模型,研究并证明了一种最优估计理 论,并在此基础上得到了最优的预测估计。 利用递归图模型,通过概率推理提高了预测性能,建立了一种由长短时记忆预 测模型和动态贝叶斯网络组合成的新的图模型,称其为基于长短时记忆神经网络和动态贝叶斯网络的时间序列预测模型 (LSTM-DBN),用于预测序列数据。 仿真结果表明,该模型能够在提高序列预测精度和速度的同时,降低算法的复杂度。 关键词:时间序列预测;长短时记忆;贝叶斯网络;图模型 中图分类号:TP39 文献标识码:A 文章编号:1673-629X(2018)09-0059-05 doi:10.3969/j.issn.1673-629X.2018.09.013 Time Series Prediction Based on Long-short Time Memory and Dynamic Bayesian Network SI Yang,XIAO Qin-kun (School of Electronic Information Engineering,Xian Technological University,Xian710021,China) Abstract:With the rapid development of computer vision technology,time series prediction is playing an increasingly important role in optimization of algorithms. Due to the increase in datauncertainty,themulti-step predictionhasencountered great challenges. Thepre- diction accuracy andcomplexityofthetraditionalpredictionmodelarelow,soweproposeatimeseriespredictionmodelbasedoncombi- nation of the long-shorttimememoryneuralnetwork modelandthedynamicBayesiannetwork (DBN). Andweresearchandprovean optimal estimation theorem,and on the basiswe can get the optimal prediction estimation. The recursion-based graph model is used to enhance prediction performance through probability inference. A new graph model calledLSTM-DBN generatedfrom a combination of LSTM prediction and DBN isd