Yong-Hoon Choi

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于预测未来结果最相关。与依赖一般相似性的传统方法不同，该方法使用“预测相关性”，其定义为历史数据的预期未来效用，在训练期间仅将已实现的未来作为特权监督。该系统采用了一个重新排序器，该重新排序器基于仅过去的信息学习兼容性目标，改进了现有的检索方法，并证明了历史相关性是结构化的且依赖于域的。