BriefGPT - AI 论文速递
·
带贝叶斯神经场的可扩展时空预测
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了贝叶斯时间分解（BTF）框架，用于多维时间序列建模，解决了缺失值问题。该框架能够表征全局和局部一致性，并使用Gibbs采样算法进行模型推断和预测。验证结果显示该框架在缺失数据和滚动预测任务上具有优越性。
🎯
关键要点
- 提出了贝叶斯时间分解（BTF）框架，用于多维时间序列建模。
- 该框架解决了缺失值问题，能够表征全局和局部一致性。
- 将低秩矩阵/张量分解与向量自回归（VAR）过程集成到概率图模型中。
- 开发了有效的Gibbs采样算法进行模型推断和预测。
- 验证结果显示该框架在缺失数据和滚动预测任务上具有优越性。
➡️
