本論文では、時系列予測における複雑な分布変化の問題に取り組むため、進化型マルチスケールノーマライゼーション(EvoMSN)フレームワークを提案している。
まず、入力系列をその周期性に基づいて異なるサイズのスライスに分割し、各スライスの統計量を用いて正規化を行う。次に、マルチスケールの統計量予測モジュールを提案し、将来のスライスの分布を予測する。これにより、正規化された出力系列を逆正規化し、適応的アンサンブル手法で統合することで、動的な分布特性をモデル化する。
さらに、予測モデルと統計量予測モジュールの協調的な更新を目的とした進化型の最適化戦略を提案する。オフラインでは2段階の事前学習を行い、オンラインでは交互に更新を行うことで、変化する分布に適応する。
提案手法は、ベンチマークデータセットで5つの主要な予測手法の性能を大幅に向上させ、既存の正規化手法や オンライン学習手法と比較しても優位性を示している。
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések