论文笔记
文章平均质量分 94
S.Z.Zheng
这个作者很懒,什么都没留下…
展开
-
论文笔记:DEPTS: Deep Expansion Learning for Periodic Time Series Forecasting
本论文设计了一种名为DEPTS的深度学习框架,可以建模并预测周期性时间序列,并取得了较好的结果。原创 2022-09-20 16:16:51 · 732 阅读 · 1 评论 -
论文笔记:Do We Really Need Deep Learning Models for Time Series Forecasting?
传统的时间序列预测模型往往依赖于滚动平均、向量自回归和自回归综合移动平均;较新的模型包括深度学习和矩阵分解模型,获得了更具竞争力的性能,但是该类模型往往过于复杂。近几年,基于复杂深度学习的模型,例如“DeepGlo”或“LSTNet”被提出,性能上优于传统方法(例如ARIMA)和简单的机器学习模型(例如GBRT)。但是对于时序预测而言,如果对输入输入结构进行精心的设计和特征工程,即便是如GBRT这样的简单的集成模型,性能上也能超越很多DNN模型。原创 2022-09-06 17:50:44 · 1485 阅读 · 1 评论