新框架IB-Forecast为时间序列预测提供忠实解释

研究人员开发了IB-Forecast，一个在准确预测的同时优先考虑忠实解释的时间序列预测新框架。该方法将预测分解为学习到的周期性和残差分量，允许用户通过信息瓶颈控制解释稀疏性。实验表明，IB-Forecast在预测准确性方面可与领先的黑盒模型相媲美，同时提供更优越、本质上可解释的解释。 AI

影响 增强了预测模型的可解释性，可能提高在关键决策领域的信任度和采用率。

排序理由 该集群包含一篇详细介绍时间序列预测新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• cs.LG
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• IB-Forecast
• Influence Flower
• information bottleneck
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

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