研究人员推出了一种新颖的损失函数CosDir，旨在通过显式优化变化方向来提高时间序列预测的准确性。与关注幅度或形状的传统方法不同，CosDir使用余弦相似度来对齐预测和目标差向量，为其他损失函数失效的小方向性移动提供学习信号。一个扩展版本CosDir-UW可以自适应地学习方向项和幅度项的最佳混合比例，无需手动调整。大量实验表明，CosDir在保持幅度准确性的同时，持续提高了方向准确性，优于现有的损失函数。 AI
影响 提高了时间序列预测的方向准确性，可能改善金融和风险管理中的决策。
排序理由 介绍新方法的学术论文。[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 →
