LEARNING
SpikF-GO：用于多元时间序列预测的脉冲傅里叶图算子
Jafar Bakhshaliyev, Niels Landwehr
- 发表年份
- 2026
- 引用次数
- 0
- 访问权限
- 开放获取
摘要
该论文提出SpikF-GO模型，通过超变量图公式将每个标量观测值作为图节点，结合脉冲驱动的频谱处理，显式建模多变量时间序列中的变量间依赖关系。模型引入可学习的稀疏频率门控和复数LIF门，在频谱域保持二进制事件驱动计算，解决了现有脉冲神经网络预测方法缺乏跨变量相关性建模的局限。
关键词
Spiking Neural NetworksTime Series ForecastingGraph Neural NetworksMultivariateFourier
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018