Diebold-Mariano
PulseAugur coverage of Diebold-Mariano — every cluster mentioning Diebold-Mariano across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型混合模型提升风电爬坡事件预测能力
研究人员开发了一种新颖的混合预测方法，以改进风电爬坡事件的估计，这些事件的特点是风力涡轮机输出的突然大幅波动。该方法通过整合从涡轮机运行数据中提取的语义上下文来增强传统的预测模型。通过将运行数据转换为简化的文本，然后转换为密集嵌入，并将这些嵌入与其他特征一起输入集成模型，该方法旨在捕捉标准模型可能忽略的细微差别。在SDWPF数据集和Kaggle SCADA等外部数据集上的测试表明，预测精度在统计学上显著，尽管增幅较小，尤其是在更长的预…
-
新研究解决了智能建筑负荷预测中的不确定性问题
一篇新的研究论文探讨了智能建筑的概率负荷预测，重点关注如何处理由重建输入特征引起的不确定性。该研究使用三种深度学习骨干网络（包括Temporal Fusion Transformers (TFT)）比较了事后残差分位数方法和集成模型内分位数学习方案。结果表明，不确定性的最佳放置取决于模型架构，对于TFT模型而言，集成式分位数学习被证明是最有效的。
-
AI股票预测基准揭示LoRA适配的TimesFM缺乏方向性技能
一项新的研究论文挑战了像TimesFM这样的大型语言模型在股票预测中的有效性，尤其是在使用LoRA适配器时。该研究引入了一个基准率诚实的基准，以揭示看似高的方向性准确性是如何具有误导性的，在上涨市场中通常是通过简单的“总是向上”规则实现的。研究结果表明，池化的LoRA适配器在这些朴素基线之上没有显示出方向性技能，甚至可能比零样本TimesFM表现更差，而微调仅在点预测误差方面提供边际改进。