multivariate | BriefGPT - AI 论文速递

关键词multivariate

搜索结果 - 14

分层预测的多变量在线线性回归
我们考虑一个确定性的在线线性回归模型，允许响应变量为多变量。为了解决这个问题，我们引入了 MultiVAW 方法，它将著名的 Vovk-Azoury-Warmuth 算法推广到多变量环境，并证明它在时间上也具有对数遗憾。我们将结果应用于在线
PDF4 months ago
MPPN: 多分辨率周期模式网络用于长期时间序列预测
本文提出了一种新颖的深度学习网络结构 MPPN，用于长期时间序列预测，该结构采用多分辨率语义单元、多周期模式挖掘和通道自适应模块来捕捉时间序列的本质模式，并提出了基于熵的评估方法来提高预测精度。在九个真实世界基准测试中，实验结果表明，MPP
PDFa year ago
AD-NEV: 可扩展的多层次神经进化框架用于多变量异常检测
提出了一种名为 AD-NEv 的可扩展多级优化神经演化框架，用于多变量时间序列异常检测，经实验证明，与深度学习体系结构相比，AD-NEv 提取的模型表现更好，且在多个 GPU 的情况下具有高度可扩展性。
PDFa year ago
TSMixer: 一种基于全 MLP 的时间序列预测架构
本文研究线性模型在时间序列预测中的能力，提出了一个基于多层感知机的模型 TSMixer，通过在时间和特征维度上的混合操作提取信息。TSMixer 在常见的学术基准测试中表现出和专业模型类似的性能，在真实世界的 M5 基准测试数据集上表现出比
PDFa year ago
时序数据的信息论启发式模式分析
研究提出了一种基于信息论特征的高度通用的方法，用于识别和学习多变量时间序列数据中的模式和趋势。通过在人类活动数据中分析模式变化，结果表明该方法可以提高召回率、F1 分数和准确性，在平均基线模型和更简单的模型结构下，平均减少 18.75 倍的
PDFa year ago
交叉密度核函数：一种衡量随机过程统计依赖性的新框架
本文提出了一种基于函数方法的新型多元统计相关性定义，通过一种递归双向统计映射来定义新的对称和自主叉密度核，估计它们的统计相关性，因此该核特征谱被提出作为一种新的多元统计相关性测量，其制定要求对于数据生成模型的假设比当前方法更少。
PDF2 years ago
基于 Transformer 的条件生成对抗网络用于多元时间序列生成
本文通过引入编码上下文并在条件生成对抗网络中使用，扩展了基于 Transformer 的时间序列生成对抗网络 (TTS-GAN)，从而可以使用一个模型来拟合具有多个子组件的混合分布。通过定性和定量的评估指标，我们展示了该模型可以生成高维度和
PDF2 years ago
基于自注意力机制的时间序列填补网络：STING
本文提出了一种新的针对多元时间序列数据的缺失值填补方法（STING），它利用了生成对抗网络和双向循环神经网络来学习时间序列的潜在表示，并引入一种新的自注意力机制来捕捉整个序列的加权相关性，实验结果表明，STING 在多个真实数据集上表现出比
PDF2 years ago
ICLR基于图引导的不规则采样多元时间序列网络
RAINDROP 是一种图神经网络，用于处理不规则采样和多变量时间序列，可以超过其他方法进行时间序列分类，并且在不同设置下都能取得上乘表现。
PDF3 years ago
ICML使用反事实推理进行多元时间序列异常归因
该研究采用反事实推理方法，利用 MDI 算法实现多元时间序列的异常检测和异常事件的定位，应用于极端气候事件识别，取得了较高的准确性。
PDF3 years ago
自我关注 Hawkes 过程
提出了一种利用 self-attention 机制进行 intensity function 拟合的 self-attentive Hawkes process 方法，相较于传统的统计方法和深度循环神经网络，该方法能更好地识别时间事件之间的
PDF5 years ago
最小协方差行列式及其扩展
MCD 方法是多变量统计学中高度鲁棒的位置和离散度估计器之一，对于开发强健的多元技术和异常值检测也是一个重要的基础，本文回顾了 MCD 估计器及其一些性质，并讨论了其在应用和方法多元统计中的应用和扩展。
PDF7 years ago
学习多元对数凹分布
该研究论文解决了估计多元对数凹概率密度函数的问题，并提出了一个估计器来处理此问题。
PDF8 years ago
时间序列中参数估计的同步和自适应控制应用
本文介绍了一种通过非线性动力系统中单变量时间序列来估计未知参数的技术，该技术采用两种不同的控制方法，线性反馈和自适应控制，可以即使当未知参数出现在除所给的时间序列之外的其他变量的演化方程式中时也能工作。本技术不仅确认了关于所有系统变量和参数
PDF26 years ago