Slifker-Shapiro

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。