ACO-LSTM任务网络重构器

权重矩阵高保真

结合蚁群优化与LSTM，从时序数据中重建任务网络，并引入趋势降噪使重建权重更接近真实矩阵。

Zhongpeng, Zhang · 王桂宝

Journal of Computational Methods in Sciences and Engineering 2024

参数信息

At noise std

01, SGD/LSM errors

技术优势

权重重构高保真

基于SGD的算法将时序数据分解为小样本，结合自适应学习率，重建的权重矩阵与真实矩阵高度一致。

数据越多收敛越快

随数据量增加，算法每轮迭代所需时间更短，同时仍能收敛到最优解。

噪声鲁棒性优于LSM

噪声标准差0.01时SGD误差显著低于噪声0.1时，而LSM对噪声更敏感，误差增大更明显。

应用场景

• 动态系统建模：从时序数据重建动态系统网络，用于安全管理和预测。
• 时序任务网络构建：从时序数据中构建任务网络，优化复杂网络安全管理。