FracTS：层次化时序生成模型发布
热点事件持续更新
FracTS：层次化时序生成模型发布
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
论文作者Jiayu Li等团队在arXiv发布了FracTS模型。该模型专为多元时间序列生成设计，采用由粗到细的层次化自回归架构，利用多尺度表示捕捉全局轨迹与局部动力学。 在性能测试中，FracTS在五个数据集上超越七个基线模型。在机器学习效用预测任务中，其无条件场景下的平均提升幅度达到100.0%，有条件场景下提升幅度在75.0%至81.0%之间。
AI 根据报道生成 · 1 小时前更新
最新进展10月20日 12:00
FracTS：层次化自回归时间序列生成模型报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · MLFracTS：层次化自回归时间序列生成模型
论文提出 FracTS，一种层次化由粗到细的自回归模型，用于生成多元时间序列。 FracTS 适应时间序列结构化特性，通过多尺度表示捕捉全局轨迹结构与局部动力学。 在五个数据集上，FracTS 预测机器学习效用平均提升 100.0%（无条件）及 75.0%-81.0%（有条件），超越七个基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。