上传者: 42121754
|
上传时间: 2021-10-14 08:48:18
|
文件大小: 1.3MB
|
文件类型: -
神经格兰杰因果关系
Neural-GC存储库包含用于在多元时间序列中发现Granger因果网络的基于深度学习的方法的代码。 介绍了此处实现的方法。
安装
要安装代码,请克隆存储库。 您只需要Python 3 , PyTorch (>= 0.4.0) , numpy和scipy 。
用法
在笔记本cmlp_lagged_var_demo.ipynb , clstm_lorenz_demo.ipynb和crnn_lorenz_demo.ipynb查看有关如何应用我们的方法的crnn_lorenz_demo.ipynb 。
这个怎么运作
在此存储库中实现的模型称为cMLP,cLSTM和cRNN,是通过分别预测每个时间序列对多元时间序列进行建模的神经网络。 在训练期间,对输入层权重矩阵的稀疏惩罚会将参数组设置为零,这可以解释为发现格兰杰非因果关系。
可以使用三种不同的惩罚训练cMLP模型:组套索