Neural-GC:神经网络的格兰杰因果关系发现-源码

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

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明