两篇新研究论文探讨了检索增强方法在时间序列预测中的有效性。第一篇论文介绍了一种学习预测哪些历史数据点对未来预测最相关的方法,在多个基准测试中优于现有的检索规则。第二篇论文质疑了检索插件报告的持续收益,认为这种收益与操作点有关,特别是回看窗口长度与数据的主要季节性周期之间的关系。第二篇论文提出了一种状态图和预测统计量,而不是新的检索机制。 AI
影响 这些论文强调了对检索在预测中作用的更细致理解的必要性,可能指导未来的模型开发和评估协议。
排序理由 两篇在 arXiv 上发表的学术论文,讨论了时间序列预测中检索方法的新方法和批评。
- arXiv
- Hugging Face
- multilayer perceptron
- SARAF
- Solar
- Stationarity-Aware Retrieval-Augmented Time Series Forecasting
- Yong-Hoon Choi
- alphaXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Ecl Esports
- ETTm1
- Gotit.pub
- IArxiv Recommender
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →