学习用于时间序列预测的深度时间索引模型
机器学习
2023-10-18 v4 人工智能
摘要
深度学习已被积极应用于时间序列预测，催生了大量属于历史值模型类的新方法。然而，尽管时间索引模型具有诸如能够建模底层时间序列动力学的连续性等吸引人的特性，却很少受到关注。确实，虽然朴素的深度时间索引模型远比经典时间索引模型人工预定义的函数表示更具表达能力，但它们不适用于预测，由于缺乏归纳偏置而无法泛化到未见过的时间步。本文提出 DeepTime，一种用于学习克服这些局限的深度时间索引模型的元优化框架，从而产生高效且准确的预测模型。在长序列时间序列预测设置下对真实世界数据集的大量实验表明，我们的方法取得了与最先进（SOTA）方法相竞争的结果，并且效率很高。代码可在 https://github.com/salesforce/DeepTime 获取。
引用
@article{arxiv.2207.06046,
title = {Learning Deep Time-index Models for Time Series Forecasting},
author = {Gerald Woo and Chenghao Liu and Doyen Sahoo and Akshat Kumar and Steven Hoi},
journal= {arXiv preprint arXiv:2207.06046},
year = {2023}
}