PulseAugur
中
实时 11:28:25
English(EN) Zero and Few Shot Load Forecasting with Large Language Models

LLM Chronos 实现零/少样本负荷预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的方法，通过利用一个名为 Chronos 的大型语言模型，在数据稀缺的环境中进行负荷预测。该 LLM 框架利用其广泛的预训练知识，无需在特定数据集上进行大量微调即可实现准确预测。在五个真实数据集上的实验表明，Chronos 在确定性预测和概率性预测方面均显著优于九个传统基线模型，在误差指标方面有大幅降低。 AI

影响 展示了 LLM 在数据受限领域进行准确预测的潜力，可能降低数据采集成本并提高效率。

排序理由 该集群包含一篇学术论文，详细介绍了使用 LLM 进行负荷预测的新方法。[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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Wenlong Liao, Chengrui Zhang, Zhe Yang, Mengshuo Jia, Christian Rehtanz, Jiannong Fang, Fernando Port\'e-Agel ·

    大型语言模型实现零样本和少样本负荷预测

    arXiv:2411.11350v2 Announce Type: replace Abstract: Deep learning models have shown strong performance in load forecasting, but they generally require large amounts of data for model training before being applied to new scenarios, which limits their effectiveness in data-scarce s…

相关实体

相关话题