PulseAugur
中
实时 00:19:14
English(EN) TSCoNet: A Two-Stage Copula CNN-LSTM for Uncertainty-Aware Spatio-Temporal Forecasting

TSCoNet模型对环境变量进行不确定性预测

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了TSCoNet，一种结合了CNN和LSTM架构以及高斯Copula的新型两阶段模型，用于对具有不确定性量化的多个相互关联的环境变量进行预测。该方法旨在解决深度学习模型中准确性和不确定性报告之间的权衡问题，特别是对于相关数据。TSCoNet首先生成准确的均值预测，然后优化共享表示以估计预测方差，在不牺牲点准确性的情况下提供校准的预测区间。该模型已在模拟空间场和真实世界的降水及温度数据上进行了评估，证明了其提供精确预测和可靠不确定性估计的能力。 AI

影响 为时空预测中的不确定性量化提供了一种新颖的方法，有望提高环境建模的可靠性。

排序理由 该集群包含一篇详细介绍新研究模型的arXiv预印本。

在 arXiv stat.ML 阅读 →

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

TSCoNet模型对环境变量进行不确定性预测

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Jongwook Kim, Jong-Min Kim ·

    TSCoNet：用于不确定性感知时空预测的两阶段Copula CNN-LSTM

    arXiv:2607.10410v1 Announce Type: new Abstract: Reliable forecasting of several interrelated environmental variables - such as regional precipitation and temperature, or other correlated geophysical fields - across many locations calls for accurate predictions accompanied by trus…

  2. arXiv stat.ML TIER_1 English(EN) · Jong-Min Kim ·

    TSCoNet：用于不确定性感知时空预测的两阶段Copula CNN-LSTM

    Reliable forecasting of several interrelated environmental variables - such as regional precipitation and temperature, or other correlated geophysical fields - across many locations calls for accurate predictions accompanied by trustworthy statements of their uncertainty. Modern …

相关实体

相关话题