PulseAugur
中
实时 14:57:23
English(EN) Universal Time Series Generation with Neural Controlled Differential Equations

新的 G-SLiCEs 模型推动通用时间序列生成

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了一种新颖的生成式时间序列建模连续时间模型——生成式SLiCEs (G-SLiCEs)。该模型基于理论发现，即最大表达力的结构化线性控制微分方程 (SLiCEs) 可作为通用时间序列生成器。在实践中，G-SLiCEs 在概率预测和其他下游任务中表现出改进的性能，尤其是在不规则数据网格上表现出色，而传统固定网格模型在该类数据上常常表现不佳。 AI

影响 该研究推动了生成式时间序列建模的发展，有望改进概率预测和不规则数据的处理能力。

排序理由 该集群包含一篇详细介绍时间序列生成新模型和理论发现的学术论文。

在 arXiv cs.LG 阅读 →

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

新的 G-SLiCEs 模型推动通用时间序列生成

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Torben Berndt, Elyes Farjallah, Leif Seute, Raeid Saqur, Benjamin Walker, Jan St\"uhmer ·

    使用神经控制微分方程进行通用时间序列生成

    arXiv:2605.28507v1 Announce Type: new Abstract: Recent work on the sequence universality of State Space Models (SSMs) has introduced efficient, maximally expressive continuous-time approaches for time-series modelling. While these works focus on discriminative settings, we extend…

  2. arXiv cs.LG TIER_1 English(EN) · Jan Stühmer ·

    使用神经控制微分方程进行通用时间序列生成

    Recent work on the sequence universality of State Space Models (SSMs) has introduced efficient, maximally expressive continuous-time approaches for time-series modelling. While these works focus on discriminative settings, we extend this perspective to generative time-series mode…

相关实体

相关话题