BoundEx

新的外源性Dropout方法提高了时间序列预测的鲁棒性

研究人员推出了一种名为“外源性Dropout”的新型训练技术，旨在增强利用外部协变量的时间序列预测模型的鲁棒性。该方法在训练阶段随机将整个外源性通道归零。在电力价格预测、水库水文学和气象学方面的实验表明，外源性Dropout显著提高了模型在面对嘈杂、错位或缺失的协变量数据时的弹性，同时在干净数据上保持了强大的性能。该技术被证明比一种称为BoundEx的专用有界架构更有效，这表明实现腐败鲁棒性不需要显式的架构复杂性。