概念
时间序列预测
利用历史时间序列数据预测未来值的建模任务,需按时间顺序切分训练与验证数据以避免数据泄漏
时间轴 (近 90 天)
11月17日
MSAR(模块化尺度自回归框架)是一种模型无关的时间序列预测设计,通过跨多个时间分辨率渐进预测,使输入和输出在每个尺度上对齐。
待验证50%
10月18日
时间序列领域长期缺乏统一的大规模预训练语料,导致模型往往针对单一数据集或单一领域训练。
待验证70%
10月3日
论文指出DSR与TSF面临的核心挑战是拓扑域外泛化(OODG),即系统的动力学体制本身发生改变,例如从周期性行为转变为混沌行为
待验证50%
9月21日
两年的历史数据按季度聚合只有8个数据点,按月聚合只有24个数据点
待验证50%
9月5日
时间序列预测可应用于能源负荷预测、零售需求规划、金融风险监测、工业预测性维护等多个领域
待验证50%
8月28日
时间序列预测不能简单随机划分训练集和测试集,必须按时间顺序切分以避免数据泄露
待验证50%
全部知识事实 (6)
待验证
时间序列领域长期缺乏统一的大规模预训练语料,导致模型往往针对单一数据集或单一领域训练。
70%待验证MSAR(模块化尺度自回归框架)是一种模型无关的时间序列预测设计,通过跨多个时间分辨率渐进预测,使输入和输出在每个尺度上对齐。
50%待验证论文指出DSR与TSF面临的核心挑战是拓扑域外泛化(OODG),即系统的动力学体制本身发生改变,例如从周期性行为转变为混沌行为
50%待验证两年的历史数据按季度聚合只有8个数据点,按月聚合只有24个数据点
50%待验证时间序列预测可应用于能源负荷预测、零售需求规划、金融风险监测、工业预测性维护等多个领域
50%待验证时间序列预测不能简单随机划分训练集和测试集,必须按时间顺序切分以避免数据泄露
50%