当前位置： 首页 > ops >正文

论文略读：Auto-Regressive Moving Diffusion Models for Time Series Forecasting

ops 2025/7/13 10:04:24

AAAI 2025

  • 在这篇论文中，时间序列的演进（X_{-L+1:0}\rightarrow X_{1:T})被概念化为一个扩散过程
    • 时间序列的每一步都可以看成是扩散模型的一个状态
    • 未来序列X^0_{1:T}（下标表示在序列中的位置，上标表示在扩散模型中的状态）作为前向扩散（演进）过程的初始状态
    • 历史序列X_{-L+1:0}^T是最终状态
  • 不同于传统方法逐渐添加噪声生成中间状态，这篇论文提出的ARMD通过对X^0_{1:T}进行滑动操作来生成中间状态X_{1-t,T-t}^t，使其逐渐接近历史序列
    • ——>保持了时间序列的连续性
    • ——>确保每个中间状态反映了时间序列演进的特定阶段
  • 采样（预测）阶段，ARMD 从历史序列X_{1-t,T-t}^t开始，迭代生成对未来序列的预测，使采样过程和最终的时间序列预测目标对齐

结果

http://www.xdnf.cn/news/10592.html

相关文章：

  • 资源预加载+懒加载组合拳：从I/O拖慢到首帧渲染的全面优化方案
  • IPtables部署和使用
  • SCAU8640--希尔排序
  • 产品设计法则：用「人性引擎」驱动7层产品进化
  • OVD开放词汇检测中COCO数据集的属性
  • 数论——约数和倍数
  • 平滑技术（数据处理，持续更新...）
  • 提升嵌入式软件调试效率的核心方
  • 什么是煤矿智能掘进
  • 第七章.正则表达式
  • 【03】完整开发腾讯云播放器SDK的UniApp官方UTS插件——优雅草上架插件市场-卓伊凡
  • 腾讯位置商业授权沿途搜索服务开发指南
  • c++ delete实现动作
  • Netty学习example示例
  • RAG的ETL Pipeline源码解读
  • 科技类专著写作与出版过程
  • 【java面试】MySQL篇
  • Python Day40 学习(复习学习日志Day5-7)
  • make_unique
  • 基于LangChain的AI助手开发：从零到上线
  • 案例：TASK OA
  • Pycharm的终端无法使用Anaconda命令行问题详细解决教程
  • 兰亭妙微十六年高水准交互设计公司
  • php 各版本下载
  • 探索大语言模型（LLM）：RSE流程详解——从文档中精准识别高相关片段
  • 50天50个小项目 (Vue3 + Tailwindcss V4) ✨ | Form Wave（表单label波动效果）
  • 力扣刷题（第四十五天）
  • navicate菜单栏不见了怎么办
  • cursor如何开启自动运行模式
  • PH热榜 | 2025-05-31