自适应跳跃间隔：循环动力学模型的时间抽象
机器学习
2018-12-14 v3 机器学习
摘要
我们引入一种使循环动力学模型能够实现时间抽象的方法。我们的方法称为自适应跳跃间隔（Adaptive Skip Intervals, ASI），其基于如下观察：在许多序列预测任务中，事件发生的确切时间对底层目标无关紧要。此外，在许多情形下，存在特别易于预测的转移所对应的预测间隔。我们表明，对于某些预测任务，通过允许模型以自身可选择的采样率进行预测，我们同时获得了计算效率与预测准确率的提升。
引用
@article{arxiv.1808.04768,
title = {Adaptive Skip Intervals: Temporal Abstraction for Recurrent Dynamical Models},
author = {Alexander Neitz and Giambattista Parascandolo and Stefan Bauer and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:1808.04768},
year = {2018}
}