arXiv stat.ML· Jianxiang Xie, Yuncheng Hua, Mingyue Cheng, Flora D. Salim, Hao Xue·· 13 天前AI 评分35
用于时间序列预测的鲁棒残差修正框架 CRC：通过选择性部署降低预测误差
Robust Residual Correction via Selective Deployment for Time Series Forecasting
AI 导读
研究者提出了时间序列预测的鲁棒残差修正框架 CRC，将混合修正器与验证集校准的选择性部署规则结合。该方法采用保守的岭回归基底加条件非线性细化，仅在留出集证据表明可降低误差时才应用修正，避免弱信号下的过拟合。在标准长序列基准测试中，CRC 改善了多数数据集的平均 MSE 和 MAE，并在 Traffic 数据集上实现了超过 20% 的相对 MSE 降低。
来源：arXiv stat.ML · arxiv.org