实体
Stationarity-Aware Retrieval-Augmented Time Series Forecasting
Stationarity-Aware Retrieval-Augmented Time Series Forecasting
PulseAugur coverage of Stationarity-Aware Retrieval-Augmented Time Series Forecasting — every cluster mentioning Stationarity-Aware Retrieval-Augmented Time Series Forecasting across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新研究质疑检索在时间序列预测中的益处 · 跟踪 2 个来源
两篇新研究论文探讨了检索增强方法在时间序列预测中的有效性。第一篇论文介绍了一种学习预测哪些历史数据点对未来预测最相关的方法，在多个基准测试中优于现有的检索规则。第二篇论文质疑了检索插件报告的持续收益，认为这种收益与操作点有关，特别是回看窗口长度与数据的主要季节性周期之间的关系。第二篇论文提出了一种状态图和预测统计量，而不是新的检索机制。
-
新方法学习时间序列预测的预测相关性
研究人员开发了一种新的时间序列预测方法，该方法侧重于识别哪些历史数据点对未来结果最具预测性。这种称为预测相关性的方法在训练期间使用已实现的未来数据作为监督信号，来训练多层感知机（MLP）对模式检索器生成的候选进行重新排序。该方法旨在通过学习更准确的历史相关性标准来提高检索准确性，这在六个基准测试和十二个验证任务中被证明是领域相关的。