基于隐式分位数网络的概率时间序列预测
机器学习
2021-07-09 v1 人工智能
摘要
本文提出一种概率时间序列预测的通用方法。我们将自回归循环神经网络用于建模时间动态，并结合隐式分位数网络（Implicit Quantile Networks）来学习时间序列目标上的一类广泛分布。在真实与模拟数据上与其他概率神经预测模型比较时，我们的方法在点预测精度以及底层时间分布估计方面均具优势。
引用
@article{arxiv.2107.03743,
title = {Probabilistic Time Series Forecasting with Implicit Quantile Networks},
author = {Adèle Gouttes and Kashif Rasul and Mateusz Koren and Johannes Stephan and Tofigh Naghibi},
journal= {arXiv preprint arXiv:2107.03743},
year = {2021}
}
备注
Accepted at the ICML 2021 Time Series Workshop