BriefGPT - AI 论文速递
·
Enabling Time-series Foundation Model for Building Energy Forecasting via Contrastive Curriculum Learning
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的对比课程学习方法，解决了时间序列基础模型在建筑能源预测中的适应性不足问题。实验结果显示，该方法在零样本和少量样本情况下，模型性能提升了14.6%。
🎯
关键要点
- 该研究提出了一种新的对比课程学习方法，旨在解决时间序列基础模型在建筑能源预测中的适应性不足问题。
- 通过优化训练数据的排列顺序，该方法提高了模型的性能。
- 实验结果显示，在零样本和少量样本情况下，模型性能提升了14.6%。
➡️
