文章预览
“ Addressing Prediction Delays in Time Series Forecasting: A Continuous GRU Approach with Derivative Regularization ” 论文地址 :https://arxiv.org/pdf/2407.01622 摘要 时间序列预测在经济分析、气象等领域至关重要,传统模型多基于均方误差(MSE)训练。MSE训练导致预测延迟,即真实值在预测之前,影响金融和天气预测的实用性。本文提出一种新方法,通过基于神经常微分方程(NODE)的连续时间门控递归单元(GRU)来减少预测延迟。该方法通过时间导数正则化来优化GRU架构,提升了MSE、动态时间规整(DTW)和时间扭曲指数(TDI)等指标。实验表明,该方法在多种数据集上具有较低的预测延迟。 简介 时间序列预测在天气、股票等领域重要,面临多种挑战。研究集中于短期和长期预测,提出了从简单线性网络到先进的变换器架构的多种模型。主要评估指标为均方误差(MSE)和平均
………………………………