返回
Bidirectional linear recurrent models for sequence-level multisource fusion
DOI:10.1016/j.inffus.2025.103601.png)
摘要
En 中文
• 提出一种双向线性循环模型,以利用前向和后向LRUs。
• 该方法在序列逼近和稳定性方面证明了其普适性。
• 使用序列图像和时间序列数据集以及许多基线验证我们的方法。
• 引入首个基于LRU的时间序列预测基准。
期刊
IF:
15.5
论文数:
4.2K
被引数:
2.7W
机构
引用论文
CMMamba: channel mixing Mamba for time series forecastingCMMamba: 用于时间序列预测的通道混合Mamba
JOURNAL OF BIG DATA
IF6.4
Spatiotemporal Fusion Transformer for large-scale traffic forecasting用于大规模交通预测的时空融合变换器
INFORMATION FUSION
IF15.5
Long-Term Wind Power Forecasting Using Tree-Based Learning Algorithms基于树形学习算法的长期风电功率预测
IEEE ACCESS
IF3.6
Universal approximation using feedforward neural networks: A survey of some existing methods, and some new results使用前馈神经网络的通用逼近: 对一些现有方法的调查以及一些新结果
NEURAL NETWORKS
IF6.3
Bidirectional GRU networks-based next POI category prediction for healthcare基于双向GRU网络的医疗保健下一个POI类别预测

