基于 Sinkhorn 散度的特征对齐 N-BEATS

Joonhun Lee; Myeongho Jeon; Myungjoo Kang; Kyunghyun Park

基于 Sinkhorn 散度的特征对齐 N-BEATS

机器学习 2024-02-27 v3 人工智能最优化与控制概率论

作者: Joonhun Lee , Myeongho Jeon , Myungjoo Kang , Kyunghyun Park

摘要

我们提出特征对齐 N-BEATS 作为一种域泛化时间序列预测模型。它是 N-BEATS（Oreshkin 等人 [45] 的 doubly residual stacking 原理）向表示学习框架的非平凡扩展。具体而言，它围绕由 N-BEATS 每一栈中残差与特征提取算子的复杂组合所诱导的边际特征概率测度展开，并通过称为 Sinkhorn 散度的最优传输距离近似逐栈对齐这些测度。训练损失由来自多源域的经验风险最小化（即预测损失）与用 Sinkhorn 散度计算的对齐损失组成，使模型能够在保留 N-BEATS 可解释设计与预测能力的同时，跨多源数据序列逐栈学习不变特征。我们提供了含消融研究的综合实验评估，相应结果表明了所提模型的预测与泛化能力。

关键词

时间序列预测域泛化 N-BEATS Sinkhorn 散度表示学习特征对齐

引用

@article{arxiv.2305.15196,
  title  = {Feature-aligned N-BEATS with Sinkhorn divergence},
  author = {Joonhun Lee and Myeongho Jeon and Myungjoo Kang and Kyunghyun Park},
  journal= {arXiv preprint arXiv:2305.15196},
  year   = {2024}
}

备注

Spotlight at ICLR 2024

基于 Sinkhorn 散度的特征对齐 N-BEATS

摘要

关键词

引用

备注

相关论文