快速 ES-RNN：ES-RNN 算法的 GPU 实现
机器学习
2019-07-09 v1 机器学习
摘要
由于时间序列的普遍存在，时间序列预测在多个领域中至关重要。我们力求使最先进的预测快速、易用且可泛化。ES-RNN 是经典状态空间预测模型与现代 RNN 之间的混合模型，在 M4 竞赛中取得了 9.4% 的 sMAPE 提升。关键在于，ES-RNN 的实现需要每个时间序列的参数。通过对原始实现进行向量化并将算法移植到 GPU，我们实现了最高 322 倍的训练加速（取决于批量大小），且结果与原始提交中报告的相似。我们的代码可在 https://github.com/damitkwr/ESRNN-GPU 找到。
引用
@article{arxiv.1907.03329,
title = {Fast ES-RNN: A GPU Implementation of the ES-RNN Algorithm},
author = {Andrew Redd and Kaung Khin and Aldo Marini},
journal= {arXiv preprint arXiv:1907.03329},
year = {2019}
}