TRESS模型发布:固定大小历史表示提升不规则时序预测
热点事件持续更新
TRESS模型发布:固定大小历史表示提升不规则时序预测
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
arXiv cs.lg 团队提出 TRESS(时间戳最近事件与统计摘要)模型,用于不规则时间序列预测。该方法保留每个变量最近 8 至 16 个观测值,并以全历史统计摘要概括更早数据,实现固定大小的历史表示。 在四个基准测试中,TRESS 在所有对比方法中取得最低的测试 MSE 和 MAE。其核心是一个查询条件化事件提升模块,按观测龄期和预测步长对偏差加权,并配合通道特定解码器输出预测修正值。 当服务 32 个连续查询时间时,模型在 CPU 上的推理时间相比基线缩短 2.12 至 2.60 倍,同时维持最低误差水平。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
TRESS 固定大小历史表示用于不规则时间序列预测报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · MLTRESS 固定大小历史表示用于不规则时间序列预测
TRESS 模型通过保留 8 至 16 个最新观测值及全历史统计摘要,在四个基准测试中取得最低的测试 MSE 和 MAE。 其查询条件化事件提升模块依据观测龄期和预测步长加权偏差,配合通道特定解码器预测修正值;服务 32 个连续查询时间时,CPU 推理时间缩短 2.12 至 2.60 倍。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。