研究团队发布基于扩散的ATEMPO转移熵估计器

2026年10月28日，Emma Andrews等人在arXiv发布模型ATEMPO。该模型基于扩散机制，实现了对滞后和时间维度的摊销转移熵估计，解决了传统方法需多次独立拟合的问题。 据报告数据，ATEMPO在已知滞后数据集上取得98%的滞后检测准确率。该模型单次拟合即可覆盖源深度K=6与目标深度L=3的网格，而现有估计器通常需要18次独立拟合才能达到类似覆盖范围。 在实际应用测试中，ATEMPO展现了提升预测性能的优势。在WEATHER-5K预测任务中，该模型使MSE降低7.25%。在三项脑机接口任务中，其平均R^2值较最强基准提升了4.1%。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。