Buchumschlag

Hypercomplex neural network in time series forecasting of stock data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kycia, Radosław, Niemczynowicz, Agnieszka
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Neural and Evolutionary Computing Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

KHNNs: hypercomplex neural networks computations via Keras using TensorFlow and PyTorch
von: Niemczynowicz, Agnieszka, et al.
Veröffentlicht: (2024)

Fully tensorial approach to hypercomplex-valued neural networks
von: Niemczynowicz, Agnieszka, et al.
Veröffentlicht: (2024)

A Critical Analysis of the Theoretical Framework of the Extreme Learning Machine
von: Perfilievaa, Irina, et al.
Veröffentlicht: (2024)

Embedded feature selection in LSTM networks with multi-objective evolutionary ensemble learning for time series forecasting
von: Espinosa, Raquel, et al.
Veröffentlicht: (2023)

Universal Approximation Theorem for Vector- and Hypercomplex-Valued Neural Networks
von: Valle, Marcos Eduardo, et al.
Veröffentlicht: (2024)

Understanding Vector-Valued Neural Networks and Their Relationship with Real and Hypercomplex-Valued Neural Networks
von: Valle, Marcos Eduardo
Veröffentlicht: (2023)

Composite FORCE learning of chaotic echo state networks for time-series prediction
von: Li, Yansong, et al.
Veröffentlicht: (2022)

Iteration over event space in time-to-first-spike spiking neural networks for Twitter bot classification
von: Pabian, Mateusz, et al.
Veröffentlicht: (2024)

Universality of reservoir systems with recurrent neural networks
von: Yasumoto, Hiroki, et al.
Veröffentlicht: (2024)

Gated recurrent neural networks discover attention
von: Zucchet, Nicolas, et al.
Veröffentlicht: (2023)

Learning fast changing slow in spiking neural networks
von: Capone, Cristiano, et al.
Veröffentlicht: (2024)

Designing deep neural networks for driver intention recognition
von: Vellenga, Koen, et al.
Veröffentlicht: (2024)

Learning richness modulates equality reasoning in neural networks
von: Tong, William L., et al.
Veröffentlicht: (2025)

Investigating the generative dynamics of energy-based neural networks
von: Tausani, Lorenzo, et al.
Veröffentlicht: (2023)

Optimal feature rescaling in machine learning based on neural networks
von: Vitrò, Federico Maria, et al.
Veröffentlicht: (2024)

Three factor delay learning rules for spiking neural networks
von: Vassallo, Luke, et al.
Veröffentlicht: (2026)

Improved weight initialization for deep and narrow feedforward neural network
von: Lee, Hyunwoo, et al.
Veröffentlicht: (2023)

Spike-based computation using classical recurrent neural networks
von: De Geeter, Florent, et al.
Veröffentlicht: (2023)

Flexible inference for animal learning rules using neural networks
von: Liu, Yuhan Helena, et al.
Veröffentlicht: (2025)

Parametric Taylor series based latent dynamics identification neural networks
von: Lin, Xinlei, et al.
Veröffentlicht: (2024)

A rationale from frequency perspective for grokking in training neural network
von: Zhou, Zhangchen, et al.
Veröffentlicht: (2024)

Gradient-based inference of abstract task representations for generalization in neural networks
von: Hummos, Ali, et al.
Veröffentlicht: (2024)

Application-oriented automatic hyperparameter optimization for spiking neural network prototyping
von: Fra, Vittorio
Veröffentlicht: (2025)

Fast gradient-free activation maximization for neurons in spiking neural networks
von: Pospelov, Nikita, et al.
Veröffentlicht: (2023)

Prototype-based interpretation of the functionality of neurons in winner-take-all neural networks
von: Sabzevar, Ramin Zarei, et al.
Veröffentlicht: (2020)

A tensor network approach for chaotic time series prediction
von: Martínez-Peña, Rodrigo, et al.
Veröffentlicht: (2025)

Comparative analysis of neural network architectures for short-term FOREX forecasting
von: Zafeiriou, Theodoros, et al.
Veröffentlicht: (2024)

LSTM networks provide efficient cyanobacterial blooms forecasting even with incomplete spatio-temporal data
von: Fournier, Claudia, et al.
Veröffentlicht: (2024)

Provably robust learning of regression neural networks using $β$-divergences
von: Ghosh, Abhik, et al.
Veröffentlicht: (2026)

Research on short-term load forecasting model based on VMD and IPSO-ELM
von: Xie, Qiang
Veröffentlicht: (2024)

Evolutionary scheduling of university activities based on consumption forecasts to minimise electricity costs
von: Ruddick, Julian, et al.
Veröffentlicht: (2022)

The boundary of neural network trainability is fractal
von: Sohl-Dickstein, Jascha
Veröffentlicht: (2024)

Fractional-order spike-timing-dependent gradient descent for multi-layer spiking neural networks
von: Yang, Yi, et al.
Veröffentlicht: (2024)

Continual learning with the neural tangent ensemble
von: Benjamin, Ari S., et al.
Veröffentlicht: (2024)

Reconsidering the energy efficiency of spiking neural networks
von: Yan, Zhanglu, et al.
Veröffentlicht: (2024)

Pruning-induced phases in fully-connected neural networks: the eumentia, the dementia, and the amentia
von: Pan, Haining, et al.
Veröffentlicht: (2026)

Banach neural operator for Navier-Stokes equations
von: Zhang, Bo
Veröffentlicht: (2025)

Real-time respiratory motion forecasting with online learning of recurrent neural networks for accurate targeting in externally guided radiotherapy
von: Pohl, Michel, et al.
Veröffentlicht: (2024)

Activation degree thresholds and expressiveness of polynomial neural networks
von: Finkel, Bella, et al.
Veröffentlicht: (2024)

Method for noise-induced regularization in quantum neural networks
von: Kuzmin, Viacheslav, et al.
Veröffentlicht: (2024)