English(EN) HELIX: Hybrid Encoding with Learnable Identity and Cross-dimensional Synthesis for Time Series Imputation

新AI方法通过鲁棒正则化和混合编码解决时间序列插补问题

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-05 04:00

两篇新研究论文介绍了多元时间序列插补的新方法。第一篇DRIO使用分布鲁棒正则化来最小化重构误差和最坏情况散度，从而改进下游预测。第二篇HELIX采用可学习特征身份和跨维度合成来捕捉持久的特征关系，在多个数据集上优于16个基线。 AI

影响这些论文介绍了处理时间序列中缺失数据的先进技术，有可能提高各个领域预测和分析的准确性。

排序理由两篇在arXiv上发表的学术论文提出了时间序列插补的新方法。

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 Română(RO) · Che-Yi Liao, Zheng Dong, Gian-Gabriel Garcia, Kamran Paynabar · 2026-05-07 04:00

基于分布鲁棒正则化的多元时间序列数据插补

arXiv:2602.00844v2 Announce Type: replace-cross Abstract: Multivariate time series imputation is often compromised by mismatch between the observed and true data distributions, a bias induced by the combined effects of time-series non-stationarity and systematic missingness. Stan…
arXiv cs.LG TIER_1 English(EN) · Fengming Zhang, Wenjie Du, Huan Zhang, Ke Yu, Shen Qu · 2026-05-05 04:00

HELIX：用于时间序列插补的混合编码，具有可学习的身份和跨维度合成

arXiv:2605.02278v1 Announce Type: new Abstract: Time series imputation benefits from leveraging cross-feature correlations, yet existing attention-based methods re-discover feature relationships at each layer, lacking persistent anchors to maintain consistent representations. To …