跨频率时间序列元预测
机器学习
2023-02-07 v1
摘要
元预测是一个新兴领域，结合了元学习与时间序列预测。元预测的目标是在一组源时间序列上进行训练，并逐一泛化到新的时间序列。先前的元预测方法取得了有竞争力的性能，但受限于需要为每个采样频率训练一个单独的模型。在本工作中，我们研究了跨不同采样频率的元预测，并引入了一种新模型——连续频率适配器（CFA），该模型专为学习频率不变表示而设计。我们发现，CFA 在泛化到未见频率时极大地提升了性能，为在更大的多频率数据集上进行预测迈出了第一步。
引用
@article{arxiv.2302.02077,
title = {Cross-Frequency Time Series Meta-Forecasting},
author = {Mike Van Ness and Huibin Shen and Hao Wang and Xiaoyong Jin and Danielle C. Maddix and Karthick Gopalswamy},
journal= {arXiv preprint arXiv:2302.02077},
year = {2023}
}