多变量概率时间序列预测的「赢家唯一」原则
机器学习
2025-08-12 v2 人工智能
机器学习
摘要
我们提出 TimeMCL 方法，利用 Multiple Choice Learning (MCL) 范式预测多个可能的时间序列未来。我们的方法采用具有多个头部的神经网络，并利用赢家-唯一 (Winner-Takes-All, WTA) 损失函数以促进预测之间的多样性。MCL 因其简单性和解决不明确和歧义任务的能力而日益受到关注。我们将此框架用于时间序列预测，作为一种高效预测多样化未来的方法，并将其与其隐式量化目标相关联。我们通过合成数据提供方法洞察，并在真实时间序列上进行评估，展示了其在轻计算成本下的前景性能。
引用
@article{arxiv.2506.05515,
title = {Winner-takes-all for Multivariate Probabilistic Time Series Forecasting},
author = {Adrien Cortés and Rémi Rehm and Victor Letzelter},
journal= {arXiv preprint arXiv:2506.05515},
year = {2025}
}
备注
ICML 2025