新的TRACE-CASH方法优化时间序列预测配置

研究人员开发了TRACE-CASH，一种用于优化时间序列预测任务中配置的新型强化学习方法。该方法结合了模型选择和超参数优化，解决了时间序列CASH（TS-CASH）中固有的时间选择和昂贵评估的复杂性。在41个数据集频率任务变体上，TRACE-CASH在MASE和WQL指标上均取得了最低的平均排名，表现优于其他六种搜索方法。 AI

影响 引入了一种新颖的强化学习方法，有望提高时间序列预测任务的效率和准确性。

排序理由 研究论文，详细介绍了时间序列CASH的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Mase
• ScienceCast
• TRACE-CASH
• TS-CASH
• WQL

• 论文
• 其他

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