研究者提出可扩展客户级概率负荷预测框架
热点事件持续更新
研究者提出可扩展客户级概率负荷预测框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者 Haoran Li 等人提出一种可扩展的客户感知概率负荷预测框架：用共享模型学习共性需求行为，每个负荷只需适配一小组低维参数，再按自身特征组合这些适配组件。 据该研究，在 SMART-DS 数据集的 590 条负荷曲线上，这一方法在确定性精度和概率质量上均优于统计、神经网络、Transformer 及预训练时间序列基线，同时存储与推理成本较低。
AI 根据报道生成 · 3 小时前更新
最新进展10月7日 12:00
从共享需求模式到局部不确定性：用紧凑适配混合实现概率负荷预测报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.AI从共享需求模式到局部不确定性：用紧凑适配混合实现概率负荷预测
研究者提出一种可扩展的客户感知概率负荷预测框架，通过共享模型学习共性需求行为，仅适配一小组低维参数，让每个负荷按自身特征组合这些适配组件。在 SMART-DS 数据集 590 条负荷曲线上，该方法在确定性精度和概率质量上均优于统计、神经网络、Transformer 及预训练时间序列基线，同时保持较低的存储与推理成本。
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。