time-series modeling | BriefGPT

关键词time-series modeling

搜索结果 - 6

时序建模的最新加权时间分段集成
时间序列建模在工业过程中面临处理复杂、多方面且不断演化的数据特征的挑战。介绍了一种新的基于块的多步骤预测方法 ReWTS（称为 “roots”），可以捕捉多样动态的相互作用并提高预测性能。在挑战传统方法的同时，通过将训练数据分段并为每个段训
PDF4 months ago
学习潜在因果动态
本文提出了一个名为 LiLY 的框架，用于解决时间序列建模中如何在未知分布转换下学习和快速更正模型的问题，该框架首先从不同的分布转移中恢复时间延迟的潜在因果变量并确定它们之间的关系，然后通过利用识别出的因果结构，将更正步骤进行公式化，将未知
PDF2 years ago
ICMLSTRODE：随机边界常微分方程
本文提出了一种概率微分方程 (STRODE)，它可以在不需要任何时间注释的情况下，同时学习时间序列数据的时间和动态。该方法成功地推断了时间序列数据的事件时间，并在合成和实际数据集上实现了与现有技术相当或更好的性能表现。
PDF3 years ago
学习易于解决的微分方程
该研究提出了一种利用高阶导数的可微时间代价替代标准数值求解器的方法以提高神经网络参数差分方程数值求解的效率，并且在监督分类、密度估计和时间序列建模任务中得到了验证。
PDF4 years ago
神经 ODE 梯度估计的自适应检查点伴随方法
本文提出了一种自适应检查点伴随方法，旨在解决通过神经常微分方程求解器进行反向传播时，由于梯度估计方法不准确导致的错误率高的问题。使用该方法，针对图像分类和时间序列建模任务，半数训练时间内将错误率减半。此外，采用该方法进行训练的神经常微分方程
PDF4 years ago
在复杂故事中建模情感：斯坦福情感叙事数据集
本文通过时间序列建模和高质量数据集的采集来建立动态情感刺激的模型，在此基础上介绍第一版本的斯坦福情感叙述数据集（SENDv1）。该数据集是自我节奏、非手稿的丰富、多模态视频，标注情感质量随时间的变化，为情感计算的当代时间序列方法提供了挑战，
PDF5 years ago