面向概率预测的多源时间序列混合结构学习
机器学习
2023-02-23 v1 人工智能
摘要
在许多数据驱动应用中，从不同来源收集数据以增进性能正愈发可取。在本文中，我们关注多源时间序列的概率预测问题。我们提出一种基于神经混合结构的概率模型，用于从多源时间序列中学习不同的预测关系及其自适应组合。我们给出适用于目标变量不同分布的预测与不确定性量化方法。此外，鉴于在所提混合模型直接训练中观察到的不平衡与不稳定行为，我们发展了分阶段学习方法并给出理论分析。在实验评估中，经分阶段学习训练的混合模型在点预测与概率预测指标上均展现出有竞争力的性能。同时，所提的不确定性条件误差暗示了混合模型的不确定性分数作为预测可靠性指标的潜力。
引用
@article{arxiv.2302.11078,
title = {Learning Mixture Structure on Multi-Source Time Series for Probabilistic Forecasting},
author = {Tian Guo},
journal= {arXiv preprint arXiv:2302.11078},
year = {2023}
}
备注
A causal view on dynamical systems workshop at the 36th Conference on Neural Information Processing Sys- tems (NeurIPS 2022)