time-series prediction | BriefGPT

关键词time-series prediction

搜索结果 - 9

滤波而非混合：基于随机滤波的大语言模型混合的在线门控
提出了 MoE-F 机制，用于在在线时间序列预测任务中结合 N 个预训练的大型语言模型 (LLMs)，通过自适应性地预测在每个时间步骤中 LLMs 预测的最佳加权。通过利用每个专家的运行表现中的条件信息，我们的机制可以预测最佳的 LLMs
PDFa month ago
基于特征的回声状态网络：实现储备计算机可解释性与简约性的一步
提出了一种新颖且可解释的循环神经网络结构，采用回声态网络（ESN）范例进行时间序列预测，并通过较小的并行储备池驱动不同输入组合的特征，非线性组合以产生输出，其预测能力表现优于传统单储备池 ESN。
PDF3 months ago
利用深度学习进行时空步态数据的价值预测
使用深度学习分析运动行为数据，我们探索短距离和长距离的预测，并证明其在医学诊断、治疗过程监测以及其他应用领域的潜力。
PDF4 months ago
学习使用快速权重编程变分量子电路
引入量子快速权重程序 (QFWP) 作为解决时间或序列学习挑战的方法。
PDF4 months ago
基于光纤环结构的储存计算的波长复用延迟输入增强
我们通过数值模拟展示了一种基于硅添加 - 删除微环的储备计算方案，该方案结合了并行延迟输入和波分复用。该方案在不需要外部光学反馈的情况下，能够成功地解决如时间序列预测等对内存要求较高的任务，并表现出良好的性能。
PDF7 months ago
MM多并行任务时间延迟洪脉冲共振集成硅微环并联 WDM
我们通过数值计算证明了一种基于微环的时延储存计算方案，能够同时解决涉及时间序列预测、分类和无线信道均衡的三个任务，在多波长复用信道上实现了优化功率和频率失调的最新性能。
PDF8 months ago
基于图的强化学习在时间序列预测中的应用
本研究提出了一种使用图神经网络（GNN）和强化学习（RL）监控的新方法来预测时间序列数据。该方法将数据的图结构与模型明确地结合起来，能更自然地捕捉时间依赖关系，对于医疗、交通和天气预测等复杂时间结构中的精准预测具有优势，同时通过贝叶斯优化技
PDF10 months ago
AAAI基于时间概率异构多任务学习的临床风险预测
本文提出一种基于特征层面不确定性的时间序列异态多任务学习模型，可有效降低在临床风险预测等安全关键应用中的负面影响，并在多项临床风险预测任务中取得较其他深度学习模型明显优势。
PDF4 years ago
AAAI液态时间常数网络
该研究介绍了一类新的连续时间循环神经网络模型，采用非线性互联门来调制线性一阶动力系统的网络。这些神经网络表现出稳定和有界的行为，具有优秀的表达能力，可以更好地应对时间序列预测任务。
PDF4 years ago