BriefGPT - AI 论文速递 · 2024-10-03T00:00:00Z Learning K-U-Net with Constant Complexity: An Application to Time Series Forecasting 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种新型的指数加权随机梯度下降算法，旨在解决时间序列预测中模型深度增加导致的时间复杂度上升问题。实验结果表明，该方法在K-U-Net上显著降低了复杂度并提高了预测准确性。 🏷️ 标签 K-U-Net 指数加权 时间序列预测 模型复杂度 随机梯度下降 阅读原文 生成长图 分享链接 已复制链接
