BriefGPT - AI 论文速递
·
概率非规则时间序列预测的边缘化一致可分离流混合
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
混合可分离流的边际一致性混合物模型 (MosES) 是一种新颖的时间序列预测模型，通过结合多个高斯过程和可逆变换，保持边际一致性。
🎯
关键要点
- 混合可分离流的边际一致性混合物模型 (MosES) 是一种新颖的时间序列预测模型。
- MosES 结合了多个高斯过程和可逆变换，保持边际一致性。
- 该模型旨在结合归一化流的表达能力和高斯的边际一致性。
- 通过对四个不同数据集的实验，MosES 在保持边际一致性方面表现优于其他模型。
- MosES 与 ProFITi 视为平级，但能够保证边际一致性。
➡️
