通道影响：多元时间序列数据影响评估

BriefGPT - AI 论文速递 · 2024-08-27T00:00:00Z

本文综合实证和理论分析了多元时间序列数据的特征和Channel Independent/Channel Dependent策略。结果显示CD方法容量更高，但缺乏精确预测分布漂移时间序列的鲁棒性，而CI方法在容量和鲁棒性之间权衡。提出了PRReg方法来解决容量和鲁棒性之间的困境，并超越CI策略，希望提高对多元时间序列数据的认识和预测模型构建。