forecast | BriefGPT - AI 论文速递

关键词forecast

搜索结果 - 11

学习图结构和不确定性以实现准确和校准的时间序列预测
STOIC 利用时间序列之间的随机相关性来学习时间序列之间的底层结构，以提供良好校准和准确的预测。在广泛的基准数据集上，STOIC 提供了约 16％更准确和 14％更好校准的预测。
PDF4 days ago
基于树形预测的细粒度气象特征日前太阳能发电预测
用最先进的基于树的机器学习方法来预测光伏发电的日前准确性非常关键，该研究还考虑了气象和天文学因素对光伏发电产量的影响，以及粗粒度和细粒度空间位置的影响。这项研究的结果可以帮助电网运营商、决策者和其他利益相关者优化电网运营、经济调度，并促进分
PDF7 months ago
预测性自动缩放中的持续学习
在动态云环境中，使用预测自动缩放来预测服务器的工作负载，并提前准备资源以确保服务水平目标（SLOs）。然而，在实践中，由于外部事件（例如销售促销活动和应用程序重新配置）导致的异常流量，其预测任务通常会遭受性能下降的影响。针对这个问题，我们提
PDFa year ago
Transform-o-meter：预测创新变革影响的方法
本文介绍了一种名为 Transform-o-meter 的方法，用于衡量和预测创新的变革影响和潜力，并可适用于任何有形或无形的创新，但需要进一步研究和发展。
PDF2 years ago
应用图神经网络预测全球天气
使用图神经网络的数据驱动方法预测全球天气，通过学习当前 3D 大气状态的六小时步长以及多步连接，可以产生数天后的精准预报，测试表现优于以前的数据驱动方法，并且与 GFS 和 ECMWF 的物理模型的全分辨率相当可比。
PDF2 years ago
到 2030 年的语音识别历史
本文研究了语音识别技术的发展历程以及未来发展的趋势，预测到了未来在语音识别技术方面将会取得令人兴奋的进步。
PDF3 years ago
CVPREarthNet2021: 一个大规模数据集和挑战问题，用于作为引导视频预测任务的地表预测
通过预测与未来天气相关的卫星图像，借助大规模数据集和深度神经网络模型进行天气预测，从而有助于农作物产量预测、森林健康评估或生物多样性监测等下游应用。
PDF3 years ago
基于多步神经网络的非线性动力系统数据驱动发现
这篇论文提出了一种利用深度神经网络和数值分析相结合的机器学习方法，用于从数据中识别非线性动态系统，以此预测未来状态和识别吸引基。在多个基准问题中，论文证明了该方法的有效性，包括学习洛仑兹系统、圆柱背后的流体动力学、Hopf 分岔和糖酵解振荡
PDF7 years ago
时间序列分析的深度学习
本文综述了深度学习在时间序列分析和预测领域的主要技术，这些新技术实现了针对时间序列的无监督特征学习，并且取得了不错的应用效果。
PDF7 years ago
ECCV面向场景的动态预测知识转移
通过对视频场景内容及动态规律、语义等方面的先验知识进行分析和预处理，提出一种利用贝叶斯网络解决视频不同场景中的移动轨迹问题的方法，并在实验中证明了其有效性。
PDF8 years ago
使用经过普查修正的 Twitter 模型预测 2012 年美国总统选举
本文使用 Choy 等人 2011 年提出的模型，使用 Twitter 数据预测 2012 年美国总统选举的结果。
PDF12 years ago