跳到正文
原文
arXiv 机器学习· Alexandra Spitzer, Giovanni Abati, Lorenzo Baldassari, Till Muser, Cheng Shi, Ivan Dokmani\'c·· 18 小时前AI 评分36

粗粒度观测下的生成式预测:级联何时有效?

Generative Forecasting from Coarse-Grained Observations: When Does Cascading Help?

AI 导读

针对流体与波等粗粒度动力系统预测,研究发现标准扩散模型和随机插值存在显著分布误差,而级联短程预测能大幅降低湍流与波的误差。然而在直接预测易于学习(如被动标量的高斯情况)时级联反而有害,其最优深度取决于未解析尺度与观测尺度的耦合强度。团队已公开发布相关数据集,作为首个具有真值条件集成的概率预测基准。

来源:arXiv 机器学习 · arxiv.org