BriefGPT - AI 论文速递
·
通过原型引导归一化弥合时间序列基础模型预训练中的分布差距
原文中文，约600字，阅读约需2分钟。
📝
内容提要
本研究提出了一种原型引导的自适应归一化策略（ProtoNorm），有效解决了时间序列数据在大规模预训练中因数据分布不匹配带来的问题，显著提升了分类和预测任务的性能。
🎯
关键要点
-
本研究提出了一种原型引导的自适应归一化策略（ProtoNorm）。
-
ProtoNorm有效解决了时间序列数据在大规模预训练中因数据分布不匹配带来的问题。
-
该策略显著提升了分类和预测任务的性能。
-
ProtoNorm能够有效捕捉时间序列特征的异质性。
-
该方法简单易用，推动了更具通用性的时间序列基础模型的发展。
🏷️
