实体
Revin
Revin
PulseAugur coverage of Revin — every cluster mentioning Revin across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
CrossRAG 框架通过检索增强提升时间序列预测能力
研究人员推出了一种名为 CrossRAG 的新颖框架，旨在增强多元时间序列预测能力，特别适用于异构物联网传感器数据。该方法通过将检索增强生成 (RAG) 与处理幅度变化和确保未来一致性的特定技术相结合，解决了现有模型的局限性。CrossRAG 包含用于稳健检索的形状感知记忆 (SAM)、用于识别相关历史模式的未来一致对比学习 (FCC) 以及用于将此信息整合到预测模型中的交叉注意力时间融合 (CATF)。实验表明，CrossRAG 在…
-
NoRIN 通过非线性归一化推进时间序列预测
研究人员推出了一种新颖的非线性可逆归一化技术 NoRIN，用于时间序列预测，该技术超越了 RevIN 等现有方法的线性仿射变换。与 RevIN 的局限性不同，NoRIN 使用 Johnson $S_U$ 变换，其参数可以调整分布尾部和偏度。该方法将形状参数优化与梯度训练分离，使用分位数拟合和贝叶斯优化来防止模型默认为线性形式，证明了不同的网络架构受益于不同的归一化参数。
-
新的PAMNet和PAMod框架通过相位幅度调制改进时间序列预测
研究人员推出了PAMod，一个旨在通过处理非平稳数据来改进时间序列预测的新框架。PAMod在归一化特征空间中使用相位幅度调制来模拟周期性分布移位。这种方法可以适应均值和方差的变化，比RevIN等先前方法提供了更稳健的解决方案。实验表明，PAMod以降低的计算成本实现了最先进的结果，并且可以集成到现有的预测模型中。