实体
ETTh1
ETTh1
PulseAugur coverage of ETTh1 — every cluster mentioning ETTh1 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架和量子模型推动时间序列预测发展 · 跟踪 5 个来源
研究人员正通过新框架和模型推动时间序列预测的发展。其中一种方法 WrapFlow 使用连续时间建模和标记化来处理不规则数据，取得了最先进的结果。另一项进展涉及量子神经网络，MTSF-ANO 集成了变分量子电路和自适应非局部可观测量，以提高预测准确性。此外，受大型语言模型启发的基金模型概念正在被探索用于时间序列预测，提供了一种可以通过微调进一步增强的统一方法。
-
量子-经典混合模型在NISQ硬件上处理时间序列预测
研究人员开发了新的量子-经典混合框架，用于多变量时间序列预测，旨在运行在近期含噪声的中等规模量子（NISQ）硬件上。这些框架，包括量子水库预测器（QRC-F）和变分量子预测器（VQF-F），将时间序列数据转换为量子态，并利用纠缠来捕捉变量间的依赖关系。实验表明，与经典方法相比，这些模型在训练稳定性、参数效率和对量子噪声的鲁棒性方面可能有所提高，并可能应用于各种预测任务。
-
TriHead-GAN 生成逼真的碳排放数据
研究人员开发了 TriHead-GAN，这是一种新颖的生成对抗网络，旨在创建合成碳排放时间序列数据。该模型解决了高频监测数据稀缺的问题，而数据稀缺阻碍了气候政策和监管领域的深度学习应用。TriHead-GAN 独特的三头判别器确保生成的数据准确反映跨变量相关性和逼真的时间变异性，在实验中优于现有方法。