如何在Docker和Redis中持久化时间序列模型的状态

如何在Docker和Redis中持久化时间序列模型的状态
freeCodeCamp.org
freeCodeCamp.org ·
IBM推出Granite 3.2，专注企业实用AI

IBM推出Granite 3.2，专注企业实用AI
全球TMT-美通国际
全球TMT-美通国际 ·

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%。

Enabling Time-series Foundation Model for Building Energy Forecasting via Contrastive Curriculum Learning
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
时间序列模型：AI预测中的静悄悄革命

时间序列模型：AI预测中的静悄悄革命
IBM Blog
IBM Blog ·

本研究利用Sentinel-2卫星数据和谷歌地球引擎开发了时间序列模型，预测沿海地区水质中的叶绿素a、悬浮固体和浊度。通过应用LSTM递归神经网络，提高了预测准确性，展示了遥感技术在水质评估中的潜力。

Enhancing Time Series Prediction of Hong Kong Water Quality Using Sentinel-2 MSI Data and Google Earth Engine Cloud Computing
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本文提出了一种基于Wiener过程微分变形的正则化流，用于不规则时间序列建模，包括直接插值。实验表明，该模型相对于变分RNN和潜在ODE基线具有优越的灵活性。

基于满射正则化流的不确定性量化和外样本检测
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

本研究提出了一种季节性和非季节性时间序列模型家族，采用加法和乘法指数平滑模型，利用贝叶斯拟合技术，应用于M3比赛数据集，性能超过了其他算法和基准方法，达到了最佳结果。

局部和全局趋势的贝叶斯指数平滑模型
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证