Transform Learning Based Function Approximation for Regression and Forecasting

Regression und Vorhersage können als Lernen der Funktionen mit den entsprechenden Input- und Output-Variablen aus den Daten betrachtet werden. Um die komplexe Beziehung zwischen den Variablen zu erfassen, werden in der bestehenden Literatur verschiedene Techniken wie kernelisiertes Wörterbuch-Lernen erforscht. In diesem Aufsatz wird die lernbasierte Annäherung der Transformationsfunktionen vorgestellt, die Rechen- und Leistungsvorteile gegenüber wörterbuchbasierten Techniken hat. Abgesehen von der Formulierung und Ableitung der notwendigen Aktualisierungsschritte werden die mit synthetischen und realen Daten erzielten Leistungsergebnisse in dem Aufsatz präsentiert. Die ersten Ergebnisse, die sowohl mit der Basis- als auch mit der Kernelversion erzielt wurden, zeigen die Nützlichkeit der vorgeschlagenen Technik für Regressions- und Vorhersageaufgaben.