实体
TimeMoE
TimeMoE
PulseAugur coverage of TimeMoE — every cluster mentioning TimeMoE across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
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
-
新的混合专家（MoE）框架通过集成专家损失增强时间序列预测能力
研究人员开发了一种新的用于时间序列预测的混合专家（MoE）框架，该框架提高了训练效率和预测性能。该框架将专家特定的损失直接集成到优化过程中，为各个专家提供独立于门控权重的学习信号。该方法还鼓励专家专注于不同的数据段，并结合了部分在线学习策略以实现高效更新。在各种数据集上的实证结果表明，该方法优于最先进的监督神经网络预测模型，包括基于 Transformer 的架构（如 PatchTST）和零样本基础模型（如 TimeMoE）。
-
新的ApolloPFN模型改进了带外生变量的时间序列预测
研究人员开发了ApolloPFN，这是一种新颖的时间感知先验拟合网络，旨在通过整合外生变量来改进零样本预测。与仅依赖历史时间序列数据的现有基础模型不同，ApolloPFN整合了促销、价格或温度等外部因素以提高准确性。该系统具有用于生成真实时间模式的合成数据生成框架和利用时间上下文的架构修改，在包括M5和太阳能数据集在内的基准测试中表现优于当前基线。