近日，EON体育4注册文EON体育4注册EON4李芳老師等人在《InternationalJournal of Machine Learning and Cybernetics》合作發表了題為“Integratenew cross association fuzzy logical relationships to multi-factorhigh-order forecasting model of time series”的學術論文。《InternationalJournal of Machine Learning and Cybernetics 》是SCI期刊，JCR分區二區。
該文章核心內容：
在基於多元高階模糊邏輯關系(FLRs)的預測模型中，FLRs用於反映主元素和影響元素對主元素的影響。因此，一個FLR的前件既包括主元素👵🏼，也包括與主元素相關的所有影響因素。在真實時間序列中，頻繁存在另一種影響👩🏻，即部分影響元素對主元素的交叉關聯影響。為了描述這種影響，我們提出了多元高階交叉關聯模糊邏輯關系(CAFLRs)的概念，此類FLRs的前件由部分影響因素構成🏯。CAFLRs分為短交叉關聯FLRs和長交叉關聯FLRs兩類🧑🏻🦱，它們分別描述了最近連續時刻的前件觀測數據和非最近非連續時刻的前件觀測數據對後件數據的影響♏️。基於CAFLRs💂♂️，我們建立了一種新的時間序列預測模型。與現有模型相比👩🏽🚀，該模型可從歷史觀測數據中挖掘出多種FLRs🆘，並將其添加到規則庫中💼，從而提高找到可用於預測的FLR的可能性🔹，進一步提高預測精度。最後，文章通過與神經網絡🙇🏿、自回歸模型、支持向量回歸、以及基於模糊邏輯的預測模型的對比實驗🤱🏿，驗證了新提出模型的優越性。
該研究的全文鏈接：https://link.springer.com/article/10.1007/s13042-021-01310-y
