期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于偏微分方程的声波神经网络
1
作者 孙卫涛 杨志芳 晏信飞 《地球与行星物理论评（中英文）》 2024年第2期257-266,共10页
神经网络是一种重要的机器学习算法,在地球物理学等领域的应用得到了迅速发展,这主要得益于其在数据建模、信号处理和图像识别等方面的强大能力.然而,神经网络的数学基础和物理解释仍然十分不足,模型内部复杂性使得难以解释其决策过程,... 神经网络是一种重要的机器学习算法,在地球物理学等领域的应用得到了迅速发展,这主要得益于其在数据建模、信号处理和图像识别等方面的强大能力.然而,神经网络的数学基础和物理解释仍然十分不足,模型内部复杂性使得难以解释其决策过程,限制了神经网络的进一步发展.利用数学和物理方法解释神经网络的行为仍然是一个具有挑战性的任务.本文目标是从声波偏微分方程和有限差分方法出发设计一个声波神经网络结构,该方法将一阶声波方程转化为基于有限差分的离散化声波方程,声波方程有限差分格式与神经网络传播函数具有近似的数学表达形式,可以构建一种基于声波传播物理模型的神经网络.声波神经网络的主要特点是:(1)具有压力-速度耦合结构和层间跳跃连接的神经网络;(2)主变量-伴随变量双流网络结构改善了训练中的梯度消失问题.从声波偏微分方程和有限差分算法出发建立的声波神经网络具有良好数学基础和清晰的物理解释,为在数学和物理方法框架内提高网络性能提供了可行性.数值计算结果表明,声波神经网络在CIFAR-10和CIFAR-100数据集的图像分类任务中性能有明显提升,优于传统残差神经网络.偏微分方程神经网络建模方法可以应用于许多其他类型的数学物理方程,并为深度神经网络算法提供数学和物理解释. 展开更多
关键词 可解释神经网络 声波方程 伴随变量法 双流网络
下载PDF
基于时域融合Transformers的可解释预测模型及其应用研究 被引量：1
2
作者 陈孝文 苏攀 +2 位作者 李夏青 张俊 王林 《武汉理工大学学报（信息与管理工程版）》 2022年第2期307-313,共7页
为提高时间序列模型预测的准确性及可解释能力,提出了变分模态分解(variational mode decomposition,VMD)和时域融合变换器(temporal fusion transformers,TFT)相结合的高效可解释预测模型,通过VMD将原始数据分解为多个模态,充分挖掘原... 为提高时间序列模型预测的准确性及可解释能力,提出了变分模态分解(variational mode decomposition,VMD)和时域融合变换器(temporal fusion transformers,TFT)相结合的高效可解释预测模型,通过VMD将原始数据分解为多个模态,充分挖掘原始数据特征,将分解结果输入到TFT预测模型中,得出可解释性的预测结果。TFT是一种新的基于注意力的深度学习模型,将高性能的多水平预测和对时间动态的可解释见解结合在一起。以白卡纸价格为研究对象,证明了所设计模型的有效性。TFT的可解释输出包括分解的白卡纸价格子序列的重要性排序,所提出的白卡纸的可解释预测方法可为从业者的相关决策提供有力的支撑。 展开更多
关键词 时间序列预测 可解释神经网络 时域融合Transformers 白卡纸价格 变分模态分解 深度学习
下载PDF
卷积神经网络在远-近地震震相拾取中的应用及模型解释
3
作者 申中寅 吴庆举 《地震学报》 CSCD 北大核心 2022年第6期961-979,I0001-I0007,I0008-I0012,共31页
利用北京国家观象台的测震记录,探索了样本构建、训练过程、模型结构等因素对远震震相P-S和近震震相Pg-Sg拾取模型性能的影响。结果表明:适中的卷积层深度、正则化和数据清洗能够有效地改善模型性能,而残差块的影响却相对有限。与此同时... 利用北京国家观象台的测震记录,探索了样本构建、训练过程、模型结构等因素对远震震相P-S和近震震相Pg-Sg拾取模型性能的影响。结果表明:适中的卷积层深度、正则化和数据清洗能够有效地改善模型性能,而残差块的影响却相对有限。与此同时,基于类模型可视化和平滑GradCAM++的模型解释显示:卷积神经网络复现了震相的关键特征,其决策敏感区域也与震相识别的经验准则一致。最后,连续波形的扫描结果展示了卷积神经网络在远-近地震震相识别的应用前景与提升空间。此外,本文针对模型搭建与训练中存在的问题提出了样本选择、模型架构、标签标注和集成学习等改进方案,以供后续研究参考。 展开更多
关键词 卷积神经网络 震相识别 到时测量 可解释神经网络
下载PDF
收益率曲面预测及其在信用债投资组合管理中的应用 被引量：3
4
作者 王雷 闫红蕾 张自力 《统计研究》 CSSCI 北大核心 2021年第4期145-160,共16页
收益率曲线是信用债投资者的重要参考。在市场套利活动的作用下,跨期限和信用等级的债券收益率具有很强的内生联系,其变动规律具有整体性和连续性。以往研究将信用债收益率曲线拆分成无风险利率曲线和信用利差两个部分,前者关注期限的影... 收益率曲线是信用债投资者的重要参考。在市场套利活动的作用下,跨期限和信用等级的债券收益率具有很强的内生联系,其变动规律具有整体性和连续性。以往研究将信用债收益率曲线拆分成无风险利率曲线和信用利差两个部分,前者关注期限的影响,后者关注信用等级的影响,但很少同时考虑两者的共同影响。本文在收益率曲线的基础上增加信用等级维度,将AAA+级到AA级收益率曲线视为一个相互关联的整体,定义为信用债的收益率曲面(Yield Surface)。相比收益率曲线,收益率曲面包含了跨等级的系统性预测信息,通过预测收益率曲面能够构建具有较高收益的投资管理策略。本文以中期票据市场为例,采用卷积神经网络模型预测1周后的收益率曲面,在此基础上计算债券的预测理论价格,发现该价格对未来交易价格的预测有显著作用。基于预测价差,本文提出了信用债投资管理策略,应用该策略的投资组合能够获得显著的正收益。业绩归因分析发现,该策略取得的收益同时来自投资组合在信用风险和久期风险上的暴露,预测价差可以刻画债券市场的"风险前沿"。本文采用了中债估值价格进行稳健性检验,主要结论均保持一致,具有较强的稳健性。 展开更多
关键词 信用债 收益率曲面 卷积神经网络 信用债投资组合管理 神经网络的可解释性
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部