ProNet:面向多时间跨度时间序列预测的渐进神经网络
原文中文,约400字,阅读约需1分钟。发表于: 。介绍了一种名为 ProNet 的全新深度学习方法,专为多时间段时间序列预测而设计,自适应地融合了自回归(AR)和非自回归(NAR)策略。通过将预测时间段划分为若干段,采用非自回归策略对每一段中最关键的步骤进行预测,而对剩余的步骤采用自回归策略。该方法使用潜在变量进行分段,通过变分推断有效地捕捉了各个时间步骤的重要性。相较于自回归模型,ProNet...
ProNet是一种新的深度学习方法,专为多时间段时间序列预测而设计。它自适应地融合了自回归和非自回归策略,使用潜在变量进行分段,通过变分推断有效地捕捉了各个时间步骤的重要性。相较于自回归模型,ProNet具有明显优势,可减少自回归迭代次数,预测速度更快,减少误差累积。与非自回归模型相比,ProNet提高了预测准确性。经过全面评估和消融研究,ProNet在准确性和预测速度上优于最先进的自回归和非自回归预测模型。