研究者提出KMB-DF核化矩平衡预测方法
热点事件持续更新
研究者提出KMB-DF核化矩平衡预测方法
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者 Licheng Pan 等人提出核化矩平衡直接预测方法 KMB-DF,将深度时间序列预测建模为分布平衡问题。该方法从再生核希尔伯特空间(RKHS)中自适应选取最具信息量的平衡函数,以弥补现有目标函数仅匹配一两个预定义平衡函数的不足,并给出可处理、可微的公式,可接入基于梯度的训练流程。 据该研究称,多模型多数据集实验显示 KMB-DF 持续提升预测精度并达到 SOTA,代码已开源。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
深度时间序列预测需要核化矩平衡:KMB-DF 方法实现 SOTA报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv cs.LG深度时间序列预测需要核化矩平衡:KMB-DF 方法实现 SOTA
研究者提出核化矩平衡直接预测方法 KMB-DF,将深度时间序列预测建模为分布平衡问题,从再生核希尔伯特空间(RKHS)中自适应选取最具信息量的平衡函数,以弥补现有目标函数仅匹配一两个预定义平衡函数的不足。该方法给出了可处理且可微的公式,能无缝接入基于梯度的训练流程。多模型多数据集实验显示,KMB-DF 持续提升预测精度并达到 SOTA,代码已开源。
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。