ICLR 2023 时间序列预测(Time series prediction)论文汇总
并且该模型可以参加更长的历史。时间分布的变化,随着时间的推移,潜在的动态变化,经常发生在现实世界的时间序列中,并对深度神经网络 (DNN) 提出了根本性的挑战。KNF 施加适当的归纳偏差以提高对分布变化的鲁棒性,既使用全局运算符来学习共享特征,又使用本地运算符来捕获不断变化的动态,以及专门设计的反馈回路,以随着时间的推移不断更新学习到的运算符以快速变化行为。我们的研究发现了一种新的攻击模式,它通过对少数其他时间序列的过去观察进行战略性的、稀疏的(不可察觉的)修改,对目标时间序列的预测产生负面影响。
原创
2024-04-19 11:46:19 ·
1886 阅读 ·
0 评论