时间核增强神经网络

非平稳时序更准

通过谱混合核捕捉时序的非局部与长程特征，让经典网络在非平稳数据上表现更优。

Wei-min, Bai · 薛晖

Knowledge-Based Systems 2025

技术优势

非平稳也能准

谱混合核能刻画时序分布的非局部和长程特征，让经典网络在非平稳数据上表现更优。

训练开销可控

用贝叶斯学习范式优化非凸的时间核网络，避免传统方法在大规模时序上训练时间过长。

有理论保证

论文给出了时间核的近似界分析，让性能提升有理论支撑。

应用场景

• 电力负荷预测：电力负荷序列常带非平稳波动，时间核能捕捉长程依赖，改善预测精度。
• 气象时序预测：气象要素变化复杂且多尺度，时间核适合提取非局部统计特征来提升预报效果。
• 健康监测时序分析：生理信号存在非平稳模式，时间核能更好地建模时序分布变化，辅助健康监测。