【报告内容】

汇报人：管阿珠

汇报单位：河海大学

主题：《Multilevel Wavelet Decomposition Network for Interpretable

Time Series Analysis》

1、Introduction

2、Method

3、Experiment

4、Conclusions

【报告总结】

1.待解决的问题描述

基于深度神经网络的时间序列分析和预测方法缺乏对重要的频率信息的有效建模，并不具备一定可解释性

2.相关创新方案

1）通过多级小波分解网络(mWDN)进行特征提取

2）基于mWDN，设计用于实现时间序列分类的深度学习模型（RCF）

3）基于mWDN，设计用于实现时间序列预测的深度学习模型（mLSTM）

3.实验总结

1）证明了mWDN的有效性与可解释性

2）证明了RCF模型是一个可以兼容不同类型的深度学习分类器的通用框架，并可以明显提高时间序列分类任务的分类性能

4.未来工作

继续深入研究基于深度学习的时间序列分析和预测方法的可解释性，使其应用范围更广，准确率更高。

报告时间：2023年08月04日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)