Naga：吠陀数学启发的深度状态空间模型
热点事件持续更新
Naga：吠陀数学启发的深度状态空间模型
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
研究者 Melanie Schaller 等发表论文，提出 Naga——一种受吠陀数学结构概念启发的深度状态空间模型（SSM）编码方法。该方法双向处理正向与时间反转输入序列，并以逐元素（Hadamard）交互融合两种表示。 论文称，在 ETTh1、ETTh2、ETTm1、ETTm2、Weather、Traffic、ILI 等长期时间序列预测基准上，Naga 优于 28 个当前 SOTA 模型，且效率高于现有深度 SSM 方法。这些比较结果出自论文自身报告。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
Naga：受吠陀数学启发的深度状态空间模型编码方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AINaga：受吠陀数学启发的深度状态空间模型编码方法
研究者提出 Naga，一种受吠陀数学结构概念启发的深度状态空间模型（SSM）编码方法，通过双向处理正向与时间反转输入序列，并以逐元素（Hadamard）交互融合两种表示。在 ETTh1、ETTh2、ETTm1、ETTm2、Weather、Traffic、ILI 等长期时间序列预测基准上，Naga 优于 28 个当前 SOTA 模型，且效率高于现有深度 SSM 方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。