每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

KAIROS：通用非自回归时间序列预测的统一训练

Created by
  • Haebom

作者

丁奎业、范凡达、王哲亚、李红晓、王一凡、王雷、罗春杰、詹剑锋

大纲

KAIROS 是一个非自回归时间序列预测框架，旨在支持 Web 应用中的实时决策。它直接对分段级多峰分布进行建模，避免误差累积，并可立即执行推理。KAIROS 基于大型数据集进行训练，其预测性能优于现有的非自回归模型。KAIROS 在六个基准测试中展现出强大的零样本泛化能力，其性能可与现有的最先进模型相媲美，且推理成本更低。

Takeaways, Limitations

•
Takeaways：
◦
为Web应用程序的高效运行提供可靠的时间序列预测。
◦
即时推理，实时决策，无错误累积。
◦
与现有模型相比，预测性能有所提高。
◦
通过零样本泛化性能适用于各种场景。
◦
强调非自回归设计在时间序列预测领域的重要性。
•
Limitations：
◦
论文中没有具体说明Limitations。
◦
尽管所比较的模型大小相似，但关于 KAIROS 容易受到哪些类型的数据集影响的信息却很少。
👍
Made with Slashpage