WorldTS框架通过多模态协变量增强时间序列预测能力

研究人员推出了一种新颖的时间序列预测框架WorldTS，通过整合多模态外部因素来提高预测准确性。与将历史观测值直接映射到未来观测值的方法不同，WorldTS对潜在空间动态进行建模。这种方法允许外部信息（如多模态协变量）直接影响这些潜在状态的形成和演变。该框架采用两阶段训练过程：首先，学习以协变量为条件的、与预测相关的潜在状态动态；其次，训练一个观测解码器将预测的状态映射回可观测的未来值。在21个真实世界数据集上的实验证明了WorldTS的有效性。 AI

影响 该框架通过更好地整合外部数据源，有可能提高各个领域预测模型的准确性。

排序理由 该集群描述了一篇详细介绍新颖预测框架的研究论文。[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
• ScienceCast
• WorldTS

• 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 →