arXiv 人工智能· Yiyang Zhang, Yuli Zheng, Bin Li, Meimei Zhang, Qiang Sun·· 10 時間前AI スコア34
FARR：基于匹配端点证据的长周期时间序列预测残差修正方法
FARR: Forecast-Aware Residual Refinement with Matched Endpoint Evidence for Long-Horizon Time-Series Forecasting
未翻訳のため中国語で表示しています。
AI ガイド
研究人员提出 Forecast-Aware Residual Refinement（FARR），利用标准预测与空条件预测的差异作为端点证据来修正时间序列预测。该方法通过共享残差修正器结合历史特征估计误差，并利用视界门控控制残差对最终输出的贡献。在 4 个长周期预测 benchmark 上，FARR 取得了对比方法中最佳的数据集平均 MSE 和 MAE，代码即将开源。
出典：arXiv 人工智能 · arxiv.org