免费晋江网站建设大连 响应式网站制作

免费晋江网站建设,大连 响应式网站制作,检测公司宣传册设计样本,线上营销的优势总结论文标题#xff1a;Battling the Non-stationarity in Time Series Forecasting via Test-time Adaptation 论文链接#xff1a;https://ojs.aaai.org/index.php/AAAI/article/view/33965 非平稳序列 01 非平稳时间序列的定义 这篇文章主要解决非平稳时间序列建模的问题…论文标题Battling the Non-stationarity in Time Series Forecasting via Test-time Adaptation论文链接https://ojs.aaai.org/index.php/AAAI/article/view/33965非平稳序列01 非平稳时间序列的定义这篇文章主要解决非平稳时间序列建模的问题所谓时间序列的非平稳性是指即数据分布随时间持续变化即均值和方差等统计特征在整个时间范围内变化。非平稳序列带来的问题是我们往往无法用固定的统计规律或模型捕捉其长期模式预测时易出现偏差且模型泛化能力差。如下图给出了机组平稳序列和非平稳序列的样例。02 现有研究的不足已有的研究大多通过改进训练过程来提升时间序列预测模型的稳健性比如我们额之前介绍的文章就是改进注意力机制提升对非平稳序列的处理能力。但是如图1(a)所示随着非平稳性加剧训练数据与测试数据之间的分布差异会随时间不断扩大即便预训练模型已从训练数据中学习到有意义的时序语义信息其可靠性也会逐渐下降。03 本文的核心逻辑时序任务与其它任务不同时间序列具有 “时序连续性”—— 预测未来 H 个时间步后我们会逐步观测到部分预测结果的真实值即 POGT而非必须等待 H 个时间步后才能获取完整真实值GT。如图(b)所示随着时间推进到 tppH可观测到前 p 个时间步的真实值POGT此时无需等待到 tH获取完整 GT即可利用 POGT 对模型进行自适应调整。POGT 的存在使 “主动、及时的测试使自适应” 成为可能解决了传统 TTA 在 TSF 场景中 “自适应滞后” 的问题。TAFAS非平稳时间序列test时的自适应预测一句话概括TAFAS的核心时间序列部分观测真实值是可获取的让预训练源模型在测试时主动适配非平稳数据分布且保留其核心语义通过PAAS动态确定POGT长度利用GCM校准输入输出分布最后调整预测结果来实现自适应。01 周期性感知自适应调度PAASPAAS模块通过自适应调整避免因 POGT 过短导致语义信息不足也防止因 POGT 过长造成自适应滞后。具体步骤通过FFT筛选出周期性最显著变量并计算该变量的主导频率以推导主导周期将此周期设为初始 POGT 长度随后按该 POGT 长度聚合测试mini-batch待新的回溯窗口到来时重复上述流程动态更新 POGT 长度确保适配不同数据段的周期性差异最终实现数据无关的自适应调度为后续门控校准模块GCM提供包含有意义时序模式的学习信号02 门控校准模块GCMGCM核心目标是实现模型无关的测试时自适应处理局部/全局非平稳性且不修改预训练模型参数。具体步骤分输入GCM校准偏移测试输入和输出GCM校准模型原始预测分别附着于源模型两端通过变量级时序校准线性变换应对局部偏移和门控控制动态门控向量适配全局偏移协同工作初始参数设为零避免无效校准以“部分真实值损失历史完整真实值损失”无历史值时仅用前者为损失更新参数最终为预测调整提供校准后的输入与预测03 预测调整PAPA核心目标是将GCM适配效果落地到最终预测反映最新分布偏移。具体步骤GCM适配后重算当前mini-batch所有回溯窗口的校准适配预测按“是否已观测真实值”分段替换预测——已观测部分保留原校准预测未观测部分用适配后预测通过分段函数明确替换逻辑最终完成自适应闭环输出贴合当前分布的预测结果。实验验证数据集包括7 个多变量 TSF 基准数据集ETTh1/2、ETTm1/2 等均含显著非平稳性模型与指标6 种主流架构iTransformer、DLinear 等 基础模型 Chronos以 MSE 为核心指标辅助 MAE 与标准差。性能优势TAFAS 在所有数据集 / 模型上降低 MSE长期预测提升更显著对 Chronos 预测误差最高降 45%相较预训练方法RevIN 等进一步降 MSE如 iTransformerH720 时降 8.90%-9.39%且优于在线 TSF 方法如 ETTm1 的 MSE 0.512 远低于 FSNet 的 1.641。消融实验移除 PAAS固定 POGT、GCM调源模型内部或预测调整均导致性能下降验证各组件必要性。结论与未来方向本文总结提出 TSF-TTA 框架为非平稳性问题提供新方向通过动态确定 POGT 长度、校准输入输出分布实现对非平稳序列的建模预测。本文不足对突发极端分布偏移的适配响应滞后效果未充分验证部分参数需按数据集微调缺乏完全自动化选择机制。大家可以关注我【科学最top】第一时间follow时序高水平论文解读获取时序论文合集