forecasting accuracy | BriefGPT

关键词forecasting accuracy

搜索结果 - 16

SiamTST：面向电信网络的增强多变量时间序列预测的新型表示学习框架
介绍了 SiamTST，这是一个用于多变量时间序列的创新表示学习框架。SiamTST 整合了孪生网络、注意力机制、独立于通道的分块和标准化技术，以实现卓越的性能。在一个真实的工业电信数据集上进行评估，SiamTST 在预测准确性方面显示出了
PDF4 days ago
GMP-AR：面向时间层次预测的粒度消息传递和自适应调解
时间序列预测在不同的时间粒度上广泛用于实际应用中，本文提出了一种新的粒度消息传递机制（GMP）来利用时间层次结构信息提高预测性能，并引入自适应协调策略（AR）来保持一致性，同时考虑实际约束条件。实验证明，我们的框架（GMP-AR）在时间层次
PDF18 days ago
DeformTime: 基于可变注意力的变形依赖捕捉用于时间序列预测
DeformTime 是一个神经网络架构，旨在通过变量 DAB 和时间 DAB 来捕捉输入空间的相关时间模式，从而提高多元时间序列预测准确性。在 6 个多元时间序列数据集上进行了大量实验，结果表明 DeformTime 在绝大多数预测任务中
PDF25 days ago
通过自动整合市场指标优化销售预测
通过整合宏观经济时间序列和不同的特征选择方法，本研究探索数据驱动技术在改善顾客需求预测中的潜力。将不断自动识别的适当时间序列应用于工业合作伙伴的销售数据，并发现通过整合外部信息能够显著提升预测能力，尤其是使用前向特征选择技术能够自动化、无需
PDF2 months ago
核心校正 LSTM
使用 Kernel Corrector LSTM (KcLSTM) 替代 Corrector LSTM 中的元学习方法 —— 核平滑方法，能够降低训练时间，同时保持有竞争力的预测准确性。
PDF2 months ago
ChatGPT 可以通过讲述设定在未来的故事来预测未来关于过去的情况
研究调查了使用两种不同的提示策略时，OpenAI 的 ChatGPT-3.5 和 ChatGPT-4 是否能准确预测未来事件。经过分析 100 个提示，发现未来故事提示显著提高了 ChatGPT-4 的预测准确性，特别是在主要奥斯卡奖项和经
PDF3 months ago
人工智能时代的风暴潮模拟：基于 LSTM 的机器学习用于提高预测准确性
利用 LSTM 深度学习网络模型对风暴潮预测模型中系统误差进行预测和修正，能够提高预测准确性。
PDF4 months ago
AI 增强预测：LLM 助理提高人类预测准确性
该研究探讨了大型语言模型（LLMs）在预测任务中增强判断能力的潜力，研究结果表明，与对照组相比，LLM 辅助可以显著提高预测准确性，即使是面对回答不确定的认知要求高的任务，使用 LLM 助手（即使是倾向性的助手）仍然可以作为有益的决策辅助。
PDF5 months ago
人类 vs 大型语言模型：先进人工智能时代的判断性预测
本研究通过比较人类专家与大型语言模型（LLMs）之间在零售行业中标准销售期和促销销售期的预测准确性，利用 123 位人类预测者和 5 个 LLMs（包括 ChatGPT4、ChatGPT3.5、Bard、Bing 和 Llama2），通过平
PDF7 months ago
市场 - GAN：通过语义上下文为金融市场数据生成添加控制
金融模拟器在提高预测准确性、管理风险和促进战略金融决策方面发挥着重要作用，并且该研究提出了一种新的架构 Market-GAN，通过结合生成对抗网络（GAN）、自编码器和监督学习，实现了可控的金融数据生成，与其他四种最先进的时间序列生成模型相
PDF10 months ago
IJCAIpTSE: 一种概率时间序列多模型集成方法
提出一种基于隐马尔可夫模型的概率多模型分布集成方法，名为 pTSE，该方法可显著提高时间序列的鲁棒性和准确性。
PDFa year ago
预测中的外部数据：FARM—— 一种相关性评估方法
本文引入一种名为 FARM 的新方法，通过角度测量比较时间序列的变化来对外生数据的相似性进行度量，以提高预测准确性，并通过丰富的实验来证明其有效性。
PDFa year ago
时间序列预测的集成建模：一种自适应鲁棒优化方法
该论文提出了一种使用 Adaptive Robust Optimization 构建具有适应性权重的线性回归集成的新方法，以提高时间序列预测模型的准确性和鲁棒性，并演示了其在空气污染管理，能源消耗预测以及热带气旋强度预测等实际应用中优于其他
PDFa year ago
轻采样导向的 MLP 结构在多元时间序列快速预测中的应用
本文介绍了 LightTS，一种基于简单的 MLP 结构和两种精细的下采样策略的轻量级深度学习架构，用于多元时间序列预测，它具有高效、鲁棒和与先前 SOTA 方法相比更好的性能优势。
PDF2 years ago
预测论证框架
本文介绍了一种名为 Forecasting Argumentation Frameworks 的基于论证的新型预测方法，它包括五种不同类型的论据，其中包括了提案论证和增减修正论证，以提高预测精度，并对其进行了实证研究。
PDF2 years ago
在时间序列预测中增强 Transformer 的局部性并打破内存瓶颈
本文提出使用 Transformer 解决时间序列预测问题，针对其点乘自注意力机制的局限性和内存瓶颈问题，先提出了卷积自注意力机制，再通过提出只有 O (L (logL)^2) 内存成本的 LogSparse Transformer 来解决
PDF5 years ago