COMET-SG1：面向边缘和嵌入式AI的轻量级自回归回归器
机器学习
2026-01-29 v1
摘要
COMET-SG1是一种轻量级、面向稳定性的自回归回归模型，专为边缘和嵌入式AI系统上的时间序列预测而设计。与循环神经网络或基于Transformer的序列模型不同，COMET-SG1通过线性行为空间编码、记忆锚定转移估计和确定性状态更新来运行。这种结构优先考虑了完全自回归推理下的有界长程行为，这是边缘部署中的一个关键要求，因为在这些场景中预测误差会随时间累积。在非平稳合成时间序列数据上的实验表明，与MLP、LSTM和k近邻基线相比，COMET-SG1在实现有竞争力的短程精度的同时，表现出显著降低的长程漂移。凭借紧凑的参数规模和与定点运算兼容的操作，COMET-SG1为边缘和嵌入式AI应用中的稳定自回归预测提供了一种实用且可解释的方法。
引用
@article{arxiv.2601.20772,
title = {COMET-SG1: Lightweight Autoregressive Regressor for Edge and Embedded AI},
author = {Shakhyar Gogoi},
journal= {arXiv preprint arXiv:2601.20772},
year = {2026}
}
备注
Preprint. Submitted to an IEEE conference. 6 pages, 6 figures, 2 tables