长序列预测 & 时空预测万字长文:一文带你探索多元时间序列预测的...

这些模型探索了序列注意力、频域增强、金字塔注意力等机制,试图更好地建模时间序列中的长短期依赖。线性模型的逆袭:2023年,一篇名为《AreTransformersEffectiveforTimeSeriesForecasting?》的论文引发了轰动。它展示了一个简单的线性模型(没有激活函数!),轻松击败了复杂的Transformer架构。这一结果不仅令人瞠目结...

【信达金工】涵盖价量与基本面因子的多模型结合神经网络

但如果我们希望做中性化收益率预测,因为对时序行情数据做中性化回归计算量较大,因此在本节的网络中,采用先输入标准化后的原始特征拟合时序神经网络,再中性化回归网络的输出值,从而实现中性化收益的目的,网络结构图如下,图中(5000,20,7)的input-tensor为假定的5000个股票,步长为20个交易日,7个特征数据;(5000,...

傅一航老师《大数据挖掘工具:SPSS Statistics入门与提高》培训

比如标准化??变量派生：根据旧变量生成新的变量??变量精简：降维，减少变量个数7、数据降维??常用降维方法??如何确定变量个数??特征选择：选择重要变量，剔除不重要的变量??从变量本身考虑??从输入变量与目标变量的相关性考虑??对输入变量进行合并??因子分析（主成分分析）...

《储能科学与技术》推荐|张浩 等:基于机器学习方法的锂电池剩余...

高斯过程回归(Gaussianprocessregression,GPR)作为一种非参数化且基于概率的建模方法,其核心在于处理遵循高斯分布的随机变量集合。在RUL预测中,GPR常通过提取如增量容量分析(incrementalcapacityanalysis,ICA)曲线的峰值、面积、斜率等几何特征,以及电压依赖性和EIS频谱特征等,作为输入数据来预测RUL。研究人员致力于增强G...

速来!因果与大模型的双向赋能丨因果科学第五季强势回归

因果与大模型的双向赋能丨因果科学第五季强势回归DanPageforQuantaMagazine导语集智俱乐部联合北京大学大数据科学研究中心博士研究生李昊轩、伦敦大学学院计算机博士研究生杨梦月,卡耐基梅隆大学和穆罕默德·本·扎耶德人工智能大学博士后研究员陈广义共同发起「因果科学+大模型」读书会。这是我们因果科学系列读书会的...

快手版Sora「可灵」开放测试:生成超120s视频,复杂运动精准建模

另外在时序信息建模上,快手大模型团队设计了一款计算高效的全注意力机制(3DAttention)作为时空建模模块(www.e993.com)2024年11月9日。该方法可以更准确地建模复杂时空运动,同时还能兼顾具运算成本,有效提升了模型的建模能力。当然,除了模型自身的能力,用户输入的文本提示词也对最终生成的效果有着重要影响。

“端到端”求L4,无异缘木求鱼

第一个是在空间理解上,通过生成式模型,从重构传感器的方式,更加泛化地抽取了信息。第二个,通过自回归模型,自动建模长时序环境。第三个,万千世界需要更多数据,通过自监督的方式,无须人工标注,它是一个多元自回归生成模型结构,让我们学得更好。”此外,地平线也在感知上引入了“WorldModel”的概念。地平线认为,...

清华提出时间序列大模型:面向通用时序分析的生成式Transformer |...

训练方法:统一格式+自回归生成不同于语言、图像有着相对固定的格式,时序领域的数据存在异构性,例如变量数目,采样频率和时间跨度等,因此,进行大规模时序预训练的首要难题在于如何统一异构的时间序列。为将异构时间序列转换为统一格式,作者团队提出了一种单序列(SingleSeriesSequence,S3)格式。

一文搞懂DDD的12个核心概念与2大建模方法

(4)面向业务建模基于现实业务做业务领域的抽象,切分数据和领域(业务)模型,从而降低整个软件复杂度。开发人员应始终聚焦于领域模型,而不是传统理念中关注数据层和接口层的设计。(5)设计和代码的等价设计即代码,代码直观表现设计。好的DDD设计,在方案上一句代码都没有,但是却已经清晰的表明了所有的代码实现(尤其在...

腾讯优图10篇论文入选人工智能顶级会议AAAI

(2)引入额外的时序上的动作分类损失函数来监督动作概率特征(actionscorefeature,asf),该特征能够促进动作完整度回归(Action-awareCompletenessRegression,ACR)。(3)设计一种高效的动作提名特征生成层(ProposalFeatureGenerationLayer,PFG),该Layer能够有效捕获动作的全局特征,方便实施后面的分类和回归模块。