Fuzzy-MoE 引入了可解释的专家路由用于时间序列预测

研究人员推出了一种新颖的混合专家（Mixture-of-Experts）模型 Fuzzy-MoE，用于非平稳多元时间序列预测。该模型采用基于模糊逻辑的路由器，利用高斯隶属函数识别潜在的时间状态并确定专家激活强度。与 MoE 模型中传统的黑盒路由不同，Fuzzy-MoE 为专家选择提供了可解释的 IF-THEN 规则，允许序列中的不同变量激活不同的预测机制。在公开基准数据集上的实验表明，Fuzzy-MoE 在准确性上超越了主流预测方法，并提供了透明的路由诊断。 AI

影响 引入了一种更具可解释性的时间序列预测方法，有助于理解和调试复杂模型。

排序理由 该集群包含一篇详细介绍新模型和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Fuzzy-MoE
• Gaussian function
• Gotit.pub
• Hugging Face
• mixture of experts
• 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 →