跳到正文
热点事件持续更新

TRCF:面向不规则多变量时间序列的时域参考互补预测框架

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

TRCF 框架通过 ANCHOR 聚合共享时间点特征,并利用 BRIDGE 机制基于历史补全修正缺失值,生成互补的 CD 分支特征。 最终将这两个表征与查询时嵌入融合,经浅层 MLP 输出预测,在四个真实数据集上实现了最低的 MSE 和 MAE。 相比 APN,TRCF 将峰值推理内存减少了 17.28% 至 87.98%。

AI 根据报道生成 · 13 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    TRCF:面向不规则多变量时间序列的时域参考互补预测框架

    TRCF 框架通过 ANCHOR 聚合共享时间点特征,并利用 BRIDGE 机制基于历史补全修正缺失值,生成互补的 CD 分支特征。 最终将这两个表征与查询时嵌入融合,经浅层 MLP 输出预测,在四个真实数据集上实现了最低的 MSE 和 MAE。 相比 APN,TRCF 将峰值推理内存减少了 17.28% 至 87.98%。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 16:00
近 24 小时变化
–

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。