Feb, 2024
何时和如何：学习可识别的非固定时间序列预测潜在状态
When and How: Learning Identifiable Latent States for Nonstationary Time Series Forecasting
Zijian Li, Ruichu Cai, Zhenhui Yang, Haiqin Huang, Guangyi Chen...
TL;DR我们提出了一种基于可识别的潜在环境状态（IDEA）的方法来检测分布转变发生的时间，并通过充分观察假设来解耦稳态和非稳态潜在状态的变化，其中包括自回归隐马尔可夫模型来估计潜在环境和模块化先验网络来识别潜在状态。在各种基准数据集上，IDEA 模型优于几种最新的非稳态预测方法，突显了其在实际场景中的优势。