PulseAugur
中
实时 09:34:05

新的MoE框架加速时间序列预测训练

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的混合专家（MoE）框架，旨在加速时间序列预测模型的训练。该方法将特定专家的损失信息直接整合到训练过程中，使个体专家的预测误差能够与全局预测损失一起塑造学习过程。该框架还采用部分在线学习策略，无需完全重新训练即可高效更新门控和专家参数，在各种数据集上展示了优于现有统计模型和神经网络模型的准确性和计算效率。 AI

影响 为时间序列预测模型引入了一种新颖的训练优化方法，有望提高经济学、旅游业和能源等应用的效率和准确性。

排序理由 该集群包含一篇关于机器学习新方法的arXiv预印本。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

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

新的MoE框架加速时间序列预测训练

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Florian Ziel ·

    通过专家损失集成实现时间序列预测的混合专家快速训练

    We propose a novel adaptive Mixture-of-Experts (MoE) framework for time series forecasting that enhances expert specialization by incorporating expert-specific loss information directly into the training process. Notably, the overall objective comprises the base forecasting loss …

相关实体

相关话题