time series models | BriefGPT

关键词time series models

搜索结果 - 14

传感器失效下的泛化性能：Tokenization + Transformers 实现更健壮的潜空间
通过对神经科学实验中的时间序列模型和传感器故障的研究，发现离散时间序列标记器和转换模型能够在各种泛化性能情况下优于或与卷积神经网络相匹配，并通过对标记器的潜在编码簿的分析发现标记化能够实现泛化。
PDF4 months ago
解读基于时间序列的 Transformer 模型以及对 COVID-19 感染的不同人群年龄组的敏感性分析
通过对深度学习时间序列模型进行解释，我们可以了解模型的行为和从原始数据中学习到的模式，以便进行实时决策。本研究使用最新的局部解释方法解释了最先进的时间序列模型，并通过收集三年的美国县级每日病例数据来验证了该方法的可行性。我们利用 13 个输
PDF5 months ago
可解释的组合式污水溢流中的时序模型
探索现代时间序列模型在预测污水系统溢出点以及促使超额污水迅速分散的关键水位方面的作用，以改善废水管理，预防环境污染。
PDF6 months ago
一种用于时间序列的监督对比学习预训练 - 微调方法
引入一种新的预训练程序，利用有监督对比学习来区分每个预训练数据集中的特征，进而通过将目标数据与预训练数据集的学习动态更加紧密地对齐，以提高目标数据的准确预测。
PDF7 months ago
基于创新表示法的非参数概率时间序列预测
本文提出了一种基于非参数创新的非参数方法，通过机器学习和深度学习技术，可能在不知道时间序列的概率分布的情况下有效地预测电力价格的条件概率分布。
PDFa year ago
使用 LightGBM 进行趋势和季节性分解的销售预测改进
本文提出一种新的方法，通过衡量时间序列的趋势和季节性成分的独特影响来对时间序列进行分组，以提高零售销售预测的准确性。并将该方法应用于沃尔玛销售数据中，取得了较好的预测结果。
PDFa year ago
利用机器学习预测海湾合作委员会（GCC）国家的 COVID-19 感染情况
本篇论文使用机器学习的时间序列模型基于 Johns Hopkins 的公共 COVID-19 数据集，为海湾合作委员会国家开发了不同的模型来预测 COVID-19 感染情况，并证明所开发的模型可以高精度地预测 COVID-19 感染。
PDFa year ago
时间序列模型的易感性与鲁棒性：对抗攻击与防御
本研究研究了七种时间序列模型对于三种对抗攻击的敏感性和使用防御机制的鲁棒性，实验结果表明所有模型均易受攻击，其中尤以 GRU 与 RNN 敏感性较高，LSTM 和 GRU 的防御恢复效果较好，而在攻击效果上，FGSM 超过其它竞争对手，PG
PDFa year ago
高管社交媒体帖子对股价影响的评估
本文探讨了社交媒体（Twitter 和 Reddit）帖子对于预测股票收盘价格的影响，通过将社交媒体数据的情感分析与历史股票数据相结合，使用时间序列模型进行研究分析，并实验结果表明，包括高管帖子的社交媒体数据能够显著提高股票价格的预测能力。
PDF2 years ago
VQ-AR: 向量量化自回归概率时间序列预测
该论文介绍了一种新颖的自回归模型 VQ-AR，使用离散表示来预测未来，并在多个时间序列数据集上展示了其能够取得先进的性能。
PDF2 years ago
何时出错？基于实例特征重要性的时间序列模型解释
我们提出了 FIT 框架来评估多元时间序列黑匣子模型中观察值的重要性，并且与现有的基线方法比较，在模拟和真实世界的临床数据上证明我们的方法在确定时间序列中的重要时间点和观察值方面更具优越性。
PDF4 years ago
深度预测因素
本研究提出了一种混合模型，将经典时间序列模型与基于深度神经网络的模型结合起来，通过全局深度组件实现可扩展性和数据驱动，同时通过本地经典模型处理不确定性。实验证明，该模型在数据效率、准确性和计算复杂性方面具有优势。
PDF5 years ago
一类时间序列模型的近似贝叶斯计算
本文介绍了一类基于 ABC 思路的近似方法，着重于处理那些观测和参数似然不易求得的时间序列模型，并保持了原始统计模型的概率结构，为参数推断提供了一种分析近似偏差和适应计算方法的新途径。
PDF11 years ago
ICMLSparse-GEV: 多元极值时间系列建模的稀疏潜变量模型
本研究提出了 Sparse-GEV 模型，即基于极端值建模的潜在状态模型，以自动学习稀疏的时间依赖性并进行预测。该模型是学习多元极值时间序列稀疏时间依赖性的第一批模型之一。实验结果表明，我们的算法在一个模拟数据集，一个气候数据集和两个 Tw
PDF12 years ago