PulseAugur
中
实时 12:17:02

STEPS方法通过流形误差传播改进时间序列预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了STEPS，一种用于时间序列预测中测试时适应的新颖方法，该方法解决了噪声数据和有限观测值等挑战。STEPS将适应问题建模为时间流形上的边界值问题，利用观测数据作为边界条件来传播误差校正。该方法在六个基准测试中平均相对均方误差降低了26.82%，显著优于现有基线12%以上。该方法在稀疏和污染数据前缀的测试中也表现出鲁棒性。 AI

影响 引入了一种在新技术用于在分布偏移下提高时间序列预测准确性，可能使依赖预测建模的应用受益。

排序理由 该集群包含一篇详细介绍时间序列预测新颖方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

STEPS方法通过流形误差传播改进时间序列预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ashwaq Qasem ·

    STEPS：一种用于时间序列预测中测试时自适应的流形上时间平滑误差传播求解器

    Test-Time Adaptation (TTA) aims to improve time series forecasting under distribution shifts by using limited observations revealed during inference. However, forecasting TTA must operate in a source-free online setting, where the adaptation signal is short, temporally correlated…

相关实体

相关话题