VAEneu：用于概率预测的 VAE 的新思路
机器学习
2024-05-08 v1 人工智能
摘要
本文提出 VAEneu，这是一种用于多步 univariate 概率时间序列预测的自回归方法。我们采用条件 VAE 框架，并通过采用连续排序概率得分（CRPS）作为损失函数来优化预测分布似然函数的下界。该新型管道结果导致预测分布尖锐且校准良好。通过全面实证研究，VAEneu 在 12 个数据集上与 12 个基准模型进行了严格的基准测试。结果明确显示 VAEneu 在预测任务中表现卓越。VAEneu 为量化未来不确定性提供了有价值的工具，而我们的广泛实证研究为未来针对 univariate 多步概率预测的比较研究奠定了基础。
引用
@article{arxiv.2405.04252,
title = {VAEneu: A New Avenue for VAE Application on Probabilistic Forecasting},
author = {Alireza Koochali and Ensiye Tahaei and Andreas Dengel and Sheraz Ahmed},
journal= {arXiv preprint arXiv:2405.04252},
year = {2024}
}