PulseAugur
中
实时 08:54:41
实体 ETTm2

ETTm2

PulseAugur coverage of ETTm2 — every cluster mentioning ETTm2 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 5
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_300901 ·

    Naga:受吠陀数学启发的模型增强时间序列预测

    研究人员推出了一种新颖的深度状态空间模型(SSM),名为 Naga,该模型利用吠陀数学的概念进行时间序列预测。该方法处理序列的双向性,并通过 Hadamard 交互进行组合,增强了模型捕获长期时间依赖关系的能力。Naga 在多个基准测试中表现出色,优于 28 种现有最先进的模型,并显示出比其他深度 SSM 方法更高的效率。

  2. TOOL · CL_280369 ·

    新的AIGS框架解决了边缘设备的在线学习挑战

    研究人员开发了一个名为自适应增量门控系统(AIGS)的新框架,用于非平稳数据流的在线表示学习,特别适用于Web of Things和边缘计算等资源受限的环境。AIGS通过使用“冲击比”(Shock Ratio)将重建误差与近期数据变化进行归一化,然后驱动“连续可塑性控制器”(Continuous Plasticity Controller)来平衡学习新信息与保留历史知识,从而解决了稳定性-可塑性困境。这种闭环控制机制保持了线性计算复杂…

  3. TOOL · CL_245543 ·

    综述论文详述长视界预测挑战与深度学习解决方案

    一篇新发表在arXiv上的综述论文详细介绍了时间序列分析中的长视界预测(LHF)问题,这是一个持续了35年之久的挑战。论文探讨了包括各种变换、卷积方法和注意力机制在内的深度学习技术如何应用于解决LHF问题。它还强调了能够提高性能的数据预处理和特征构建策略,并特别关注了像xLSTM和Triformer这样在误差传播特性方面有所改进的模型。

  4. RESEARCH · CL_153704 ·

    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。

  5. RESEARCH · CL_93408 ·

    新的光学系统HAMON实现了14%的预测精度提升

    研究人员开发了HAMON,一种用于长视界时间序列预测的新型无源光学系统。该系统将历史数据编码到光学孔径上,并使用可训练的相位掩模通过自由空间衍射直接在输出场中塑造预测,从而在推理过程中无需数字序列混合层。HAMON在ETTm2和ETTh2等基准测试中表现出卓越的性能,在MSE方面优于强大的数字基线高达14%,同时在天气数据上取得了有竞争力的结果,在交通和电力数据集上表现不一。