Buchumschlag

Trend Extrapolation for Technology Forecasting: Leveraging LSTM Neural Networks for Trend Analysis of Space Exploration Vessels

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tsai, Peng-Hung, Berleant, Daniel
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantitative Technology Forecasting: a Review of Trend Extrapolation Methods
von: Tsai, Peng-Hung, et al.
Veröffentlicht: (2024)

Leveraging Fundamental Analysis for Stock Trend Prediction for Profit
von: Phan, John, et al.
Veröffentlicht: (2024)

ASI: Accuracy-Stability Index for Evaluating Deep Learning Models
von: Dai, Wei, et al.
Veröffentlicht: (2023)

Integrating LSTM Networks with Neural Levy Processes for Financial Forecasting
von: Alruqimi, Mohammed, et al.
Veröffentlicht: (2025)

Spatiotemporal-aware Trend-Seasonality Decomposition Network for Traffic Flow Forecasting
von: Cao, Lingxiao, et al.
Veröffentlicht: (2025)

Trustworthy Graph Neural Networks: Aspects, Methods and Trends
von: Zhang, He, et al.
Veröffentlicht: (2022)

Graph Neural Networks in Intelligent Transportation Systems: Advances, Applications and Trends
von: Li, Hourun, et al.
Veröffentlicht: (2024)

Deep Neural Networks Tend To Extrapolate Predictably
von: Kang, Katie, et al.
Veröffentlicht: (2023)

Enhanced Load Forecasting with GAT-LSTM: Leveraging Grid and Temporal Features
von: Orji, Ugochukwu, et al.
Veröffentlicht: (2025)

Deep Learning Software Market: Global Analysis, Trends, and Forecast (2024–2030)
von: Next Move Strategy Consulting
Veröffentlicht: (2025)

Revisiting the Seasonal Trend Decomposition for Enhanced Time Series Forecasting
von: Panta, Sanjeev, et al.
Veröffentlicht: (2026)

Aging Decline in Basketball Career Trend Prediction Based on Machine Learning and LSTM Model
von: Yao, Yi-chen, et al.
Veröffentlicht: (2025)

Leveraging Graph Neural Networks to Forecast Electricity Consumption
von: Campagne, Eloi, et al.
Veröffentlicht: (2024)

Leveraging Spatiotemporal Graph Neural Networks for Multi-Store Sales Forecasting
von: Singh, Manish, et al.
Veröffentlicht: (2025)

Trend-Adjusted Time Series Models with an Application to Gold Price Forecasting
von: Kazemdehbashi, Sina
Veröffentlicht: (2026)

Enhancing Length Extrapolation in Sequential Models with Pointer-Augmented Neural Memory
von: Le, Hung, et al.
Veröffentlicht: (2024)

Enhancing Spatiotemporal Networks with xLSTM: A Scalar LSTM Approach for Cellular Traffic Forecasting
von: Ali, Khalid, et al.
Veröffentlicht: (2025)

From GARCH to Neural Network for Volatility Forecast
von: Zhao, Pengfei, et al.
Veröffentlicht: (2024)

Neural Spatiotemporal Point Processes: Trends and Challenges
von: Mukherjee, Sumantrak, et al.
Veröffentlicht: (2025)

Unlocking the Power of LSTM for Long Term Time Series Forecasting
von: Kong, Yaxuan, et al.
Veröffentlicht: (2024)

Explorations of the Softmax Space: Knowing When the Neural Network Doesn't Know
von: Sikar, Daniel, et al.
Veröffentlicht: (2025)

WEST GCN-LSTM: Weighted Stacked Spatio-Temporal Graph Neural Networks for Regional Traffic Forecasting
von: Theodoropoulos, Theodoros, et al.
Veröffentlicht: (2024)

Optimizing LSTM Neural Networks for Resource-Constrained Retail Sales Forecasting: A Model Compression Study
von: Pagidoju, Ravi Teja
Veröffentlicht: (2026)

On Vessel Location Forecasting and the Effect of Federated Learning
von: Tritsarolis, Andreas, et al.
Veröffentlicht: (2024)

Network Level Spatial Temporal Traffic State Forecasting with Hierarchical-Attention-LSTM (HierAttnLSTM)
von: Zhang, Tianya
Veröffentlicht: (2022)

An Open-Source and Reproducible Implementation of LSTM and GRU Networks for Time Series Forecasting
von: Velarde, Gissel, et al.
Veröffentlicht: (2025)

Deep State Space Recurrent Neural Networks for Time Series Forecasting
von: Inzirillo, Hugo
Veröffentlicht: (2024)

Benchmarking Transformer and xLSTM for Time-Series Forecasting of Heat Consumption
von: Wahl, Marja, et al.
Veröffentlicht: (2026)

Forecasting Imports in OECD Member Countries and Iran by Using Neural Network Algorithms of LSTM
von: Khajoui, Soheila, et al.
Veröffentlicht: (2024)

The Extrapolation Power of Implicit Models
von: Decugis, Juliette, et al.
Veröffentlicht: (2024)

Semiconductor Industry Trend Prediction with Event Intervention Based on LSTM Model in Sentiment-Enhanced Time Series Data
von: Yen, Wei-hsiang, et al.
Veröffentlicht: (2025)

An Artificial Trend Index for Private Consumption Using Google Trends
von: Tenorio, Juan, et al.
Veröffentlicht: (2025)

On Logical Extrapolation for Mazes with Recurrent and Implicit Networks
von: Knutson, Brandon, et al.
Veröffentlicht: (2024)

Standardization Trends on Safety and Trustworthiness Technology for Advanced AI
von: Jeon, Jonghong
Veröffentlicht: (2024)

Manifold-Orthogonal Dual-spectrum Extrapolation for Parameterized Physics-Informed Neural Networks
von: Liang, Zhangyong, et al.
Veröffentlicht: (2026)

Physics-guided Neural Network-based Shaft Power Prediction for Vessels
von: Altan, Dogan, et al.
Veröffentlicht: (2025)

Comparative Analysis of LSTM Neural Networks and Traditional Machine Learning Models for Predicting Diabetes Patient Readmission
von: Zarghani, Abolfazl
Veröffentlicht: (2024)

Bayesian Neural Scaling Law Extrapolation with Prior-Data Fitted Networks
von: Lee, Dongwoo, et al.
Veröffentlicht: (2025)

Beyond Interpolation: Extrapolative Reasoning with Reinforcement Learning and Graph Neural Networks
von: Grillo, Niccolò, et al.
Veröffentlicht: (2025)

Local and Global Trend Bayesian Exponential Smoothing Models
von: Smyl, Slawek, et al.
Veröffentlicht: (2023)