FARR:具有匹配端点证据的预测感知残差细化,用于长期时间序列预测
原文:FARR: Forecast-Aware Residual Refinement with Matched Endpoint Evidence for Long-Horizon Time-Series Forecasting
大型语言模型使用辅助条件将附加信息纳入时间序列预测。然而,辅助调节并不能始终如一地提高准确性,并且当其影响与观察到的时间背景不匹配时,可能会增加预测误差。我们提出预测感知残差细化(FARR),它学习使用端点证据来纠正预测
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。