实体
Metalearning
Metalearning
PulseAugur coverage of Metalearning — every cluster mentioning Metalearning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
元学习框架提高时间序列预测准确性
研究人员开发了一个新的选择性预测框架，该框架利用元学习来提高时间序列预测的准确性。该框架根据从近期滞后中提取的结构特征来模拟预测误差的经验百分位数。通过将拒绝决策与预测本身分离，并将其基于领域无关的特征，该系统可以有效地避免高风险预测，并将此能力跨不同时间序列进行转移。
-
元学习框架实现选择性时间序列预测
研究人员开发了一种新颖的选择性时间序列预测框架，该框架利用元学习来提高准确性。这种方法允许模型在特别具有挑战性的数据点上弃权预测，这是一种以前在预测中未充分探索的策略。与依赖领域特定代理的现有方法不同，所提出的框架使用从近期数据特征派生的尺度不变统计量，从而能够有效地跨不同时间序列转移弃权能力。