首页|基于条件生成对抗网络的稀疏样本回归预测模型

基于条件生成对抗网络的稀疏样本回归预测模型

A Sparse Sample Regression Prediction Model Based on Conditional Generated Adversarial Network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
自生成对抗网络提出以来,基于生成对抗网络的拓展模型在图像处理等领域均有显著成效,但其在回归预测问题上的应用较少.在概率回归过程中,通过构建条件概率分布模拟特征与实际目标之间的潜在关系是一种常用方法,但在实际问题中条件概率分布过于复杂,似然估计难以捕捉.为此,首先分析高斯过程回归在稀疏样本回归预测中的预测精度,将其作为稀疏样本回归预测的基准线.通过分析条件生成对抗网络的构造,提出利用条件生成对抗网络解决稀疏样本回归预测问题.最终通过对比分析4种非线性模拟数据回归预测结果,发现提出的条件生成对抗网络模型相较基于Matern32核函数的高斯过程回归具有更好的预测精度.

薛嘉南、孙学宏、刘丽萍

展开 >

宁夏大学物理与电子电气工程学院,宁夏银川 750021

宁夏大学信息工程学院,宁夏银川 750021

宁夏沙漠信息智能感知重点实验室,宁夏 银川 750021

回归预测 稀疏样本 条件生成对抗网络 高斯过程回归

宁夏自然科学基金资助项目

2020AAC02006

2023

宁夏大学学报(自然科学版)
宁夏大学

宁夏大学学报(自然科学版)

CSTPCDCHSSCD
影响因子：0.377
ISSN：0253-2328
年,卷(期)：2023.44(1)
  • 2