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

深度学习框架估计AR(p)过程的时变参数

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-01 05:38

研究人员开发了一个用于估计AR(p)过程时变参数的深度学习框架，能够捕捉复杂和非平稳的模式。该方法在适应高斯和拉普拉斯等不同噪声分布的同时，保持了透明的参数结构。该框架包括一个预测方案和不确定性量化，如预测区间，展示了其在预测复杂动态方面的灵活性。 AI

影响该框架为预测复杂动态提供了一个灵活且数学上易于处理的工具，有可能提高各领域时间序列分析的准确性。

排序理由该条目描述了一篇新研究论文，详细介绍了一种新的时间序列预测方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-07-01 05:38

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

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…