摘要：近年来, Transformer在时间序列预测任务中取得了显著进展,相关研究不断提出新的改良模型.然而,在实际预测问题中, Patch的设定对Transformer的预测结果有重要影响,是决定预测精度与稳定性的关键因素.本文提出了一种基于交叉验证的模型平均方法,加权融合不同Patch设定作为候选模型的预测结果.在电力负载管理与金融投资市场上的实证研究表明,本文所提出方法优于模型选择与等权重平均方法,提升了预测精度和结果稳定性.
摘要：近年来, Transformer在时间序列预测任务中取得了显著进展,相关研究不断提出新的改良模型.然而,在实际预测问题中, Patch的设定对Transformer的预测结果有重要影响,是决定预测精度与稳定性的关键因素.本文提出了一种基于交叉验证的模型平均方法,加权融合不同Patch设定作为候选模型的预测结果.在电力负载管理与金融投资市场上的实证研究表明,本文所提出方法优于模型选择与等权重平均方法,提升了预测精度和结果稳定性.
|
您还没有登录，请登录后查看详情
|
