English(EN) Neural Network-Based Estimation of Time-Dependent Parameters in AR(p) Processes

深度学习估计AR(p)预测的时变参数

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-01 05:38

研究人员开发了一个新颖的预测框架，利用深度学习方法估计AR(p)过程中的时变参数。该方法能够捕捉复杂、非平稳的模式，同时保持清晰的参数结构。该框架旨在处理高斯分布和拉普拉斯分布的噪声，为各种预测场景提供稳健的不确定性量化和预测区间。 AI

影响这项研究可能为跨各种领域的复杂、非平稳数据带来更准确、更灵活的预测工具。

排序理由该集群包含一篇学术论文，详细介绍了使用深度学习进行时间序列预测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Martyna Wiącek · 2026-07-01 05:38

AR(p)模型中时变参数的神经网络估计

We investigate a forecasting framework based on a simple discrete-time dynamic model with coefficients varying in time. The parameters of the model are recovered within a deep learning framework, which makes it possible to retain a transparent parametric structure while simultane…
arXiv stat.ML TIER_1 English(EN) · Agnieszka Kope\'c, Pawe{\l} Przyby{\l}owicz, Martyna Wi\k{a}cek · 2026-07-02 04:00

Neural Network-Based Estimation of Time-Dependent Parameters in AR(p) Processes

arXiv:2607.00470v1 Announce Type: new Abstract: We investigate a forecasting framework based on a simple discrete-time dynamic model with coefficients varying in time. The parameters of the model are recovered within a deep learning framework, which makes it possible to retain a …