arXiv · ML· Dongqing Song, Jianyu Xu, Haobin Ding, Xinyi Guo, Jiahao Du, Ruiqi He, Ruiqi Liu, Yuntong Xie, Chao He·· 7 天前AI 评分28
PRELUDE:分离公共分量与目标特异性依赖以改进多变量时间序列预测
PRELUDE: Separating Common Components from Target-Specific Dependencies for Multivariate Time Series Forecasting
AI 导读
PRELUDE 提出分离公共分量与目标特异性依赖的读取框架,在16个真实数据集上整体表现最佳。 该方法通过横截面池化估计公共分量,并利用创新空间中的引导滞后关系读取依赖,在24个短视域及空气质量设定中的23个取得最佳MSE,平均MSE较最强基线降低6.1%。
来源:arXiv · ML · arxiv.org