实体
John Cartlidge
John Cartlidge
PulseAugur coverage of John Cartlidge — every cluster mentioning John Cartlidge across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
图神经网络捕捉非传递性优势以进行网球预测
研究人员开发了一种新颖的图神经网络（GNN）方法来预测网球比赛，通过显式建模非传递性球员优势。该方法将球员表示为节点，比赛结果表示为有向边，捕捉了A击败B、B击败C、C击败A的关系。虽然GNN模型的准确率为65.7%，Brier得分为0.214，但在无条件准确率方面并未优于加权Elo等成熟系统。然而，结合GNN补充信息的联合预测显著超越了加权Elo，尤其是在非传递性比赛中。
-
新的VMDNet框架改进电力需求预测
研究人员开发了VMDNet，一种用于电力需求预测的新框架，解决了现有变分模态分解（VMD）方法中的时间泄露和超参数调整问题。VMDNet框架使用逐样本VMD来防止时间泄露，采用频率感知嵌入和时间卷积网络来高效学习分解模态，并结合受Stackelberg博弈启发的双层优化方案来选择VMD超参数。在三个数据集上的实验结果表明，VMDNet的表现优于当前最先进的预测基线。
-
贝叶斯优化框架通过自适应调度改进投资组合管理
研究人员开发了一个新的贝叶斯优化框架 TPE-AS，旨在提高投资组合管理系统的稳定性和效率。该方法通过使用自适应调度和重要性采样，解决了在有限评估预算下优化黑盒金融模型的挑战。该框架动态平衡探索和利用，随着优化的进展将搜索引导至稳定区域。在各种回测设置和投资组合模型上的实验证明了 TPE-AS 的有效性。