新的 AsyTO 算子增强了多元时间序列预测能力

研究人员推出了一种新颖的不对称时间算子 AsyTO，用于参数高效的多元时间序列预测。该方法通过压缩预测算子本身而非观测序列来解决参数效率与预测灵活性之间的结构性困境。AsyTO 通过将每个变量的算子分解为具有不同历史读取和未来写入组件的共享时间模式，并辅以低秩周期原型和周期可分离分解，在十一个基准测试中取得了卓越的性能。 AI

影响 引入了一种更具参数效率和灵活性的多元时间序列预测方法，有望在各种预测建模应用中提高性能。

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.AI 阅读 →

• alphaXiv
• arXiv
• AsyTO
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• machine learning
• ScienceCast

• 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 →