神经基函数展开分析

概述

神经基函数展开分析（Neural Basis Expansion Analysis, NBEATS）是一种面向时间序列预测的神经网络方法，它结合了经典信号处理中的基函数展开思想与现代深度学习技术。

关键内容

1. 核心理念：
2. 将经典信号处理中的基函数展开思想应用于神经网络架构设计
3. 使用全连接网络替代传统的时间序列预测模型（如RNN、LSTM、CNN等）

4. 通过神经网络学习基函数的展开系数，而非直接预测时序值

5. 架构特点：

6. 基本块（Basic Block）包含全连接层和双路径输出（前向预测和后向回溯）
7. 采用双重残差连接：后向残差传递输入信号，前向聚合输出预测结果

8. 每个块专注于信号中不同层次的模式，避免重复学习

9. 两种配置：

10. 通用型配置：允许网络自由学习任意映射关系，追求预测精度
11. 可解释型配置：通过基函数约束（趋势栈使用多项式，季节性栈使用傅里叶级数）实现模型可解释性

来源

• 14-nbeats-2019-neural-basis-expansion.md — 概念介绍和详细说明

相关

• N-BEATS：Neural Basis Expansion Analysis for Interpretable Time Series Forecasting — implemented_in
• 基函数展开 — extends
• 时间序列预测 — applied_to
• 全连接网络 — utilizes
• 残差学习 — incorporates