English(EN) DeRegiME: Deep Regime Mixtures for Probabilistic Forecasting under Distribution Shift

新的DeRegiME模型改进了分布偏移下的概率预测

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-19 01:04

研究人员开发了DeRegiME，一种新颖的概率预测方法，旨在处理时间序列数据中的分布偏移。该方法使用深度混合专家模型和稀疏变分高斯过程，将潜在的不确定性状态与底层信号分离开来。DeRegiME提供了均值、残差和噪声的可解释分解，有效识别了变化点并提高了预测准确性。 AI

影响引入了一种更准确、更具可解释性的时间序列预测新方法，尤其适用于数据分布变化的场景。

排序理由发布了一篇详细介绍新机器学习模型的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv stat.ML TIER_1 English(EN) · Kieran Wood, Stefan Zohren, Stephen J. Roberts · 2026-05-20 04:00

DeRegiME：用于分布偏移下概率预测的深度模型混合

arXiv:2605.19231v1 Announce Type: cross Abstract: We introduce DeRegiME -- Deep Regime Mixture of Experts -- a direct multi-horizon probabilistic forecaster that separates latent uncertainty regimes from the underlying signal and softly assigns each forecast location to learned r…
arXiv stat.ML TIER_1 English(EN) · Stephen J. Roberts · 2026-05-19 01:04

DeRegiME：概率预测的深度区域混合模型应对分布偏移

We introduce DeRegiME -- Deep Regime Mixture of Experts -- a direct multi-horizon probabilistic forecaster that separates latent uncertainty regimes from the underlying signal and softly assigns each forecast location to learned recurring regimes using a sparse variational Gaussi…