ProNet：用于多步时间序列预测的进步式神经网络
机器学习
2024-08-13 v2
摘要
本文提出ProNet，一种专为多步时间序列预测设计的新型深度学习方法，自适应地融合自回归（AR）与非自回归（NAR）策略。我们的方法将预测时域划分为若干段，对每段中最关键的步进行非自回归预测，其余步进行自回归预测。分段过程依赖于潜变量，其通过变分推断有效捕捉各时间步的重要性。与AR模型相比，ProNet展现出显著优势，所需AR迭代更少，预测速度更快，并缓解了误差累积。另一方面，与NAR模型相比，ProNet考虑了输出空间中预测的相互依赖性，从而提升了预测精度。我们在四个大型数据集上的综合评估及消融研究证明了ProNet的有效性，其在精度和预测速度上均优于最先进的AR与NAR预测模型。
引用
@article{arxiv.2310.19322,
title = {Progressive Neural Network for Multi-Horizon Time Series Forecasting},
author = {Yang Lin},
journal= {arXiv preprint arXiv:2310.19322},
year = {2024}
}