利用粗化策略提升多层感知机在长期时间序列预测中的性能
原文中文，约200字，阅读约需1分钟。发表于：。基于卷积的 Coarsened Perceptron Network (CP-Net) 提出，通过提取短期语义和上下文模式来提高多层感知机（MLPs）的预测能力，具有简单的架构和低运行时间，相较于 SOTA 方法改进了 4.1% 以上，窗口拓展时模型进一步利用了暴露的信息。
本文介绍了一种名为“Recombinator Networks”的模型，通过信息重组的方式实现对精确定位的支持，精度提升并降低误差30％。作者还提出了基于卷积神经网络的去噪预测模型，进一步提升性能。
