TStruct：共享时序结构提升长期预测
热点事件持续更新
TStruct：共享时序结构提升长期预测
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者提出时间结构网络（TStruct），通过学习一组共享的时间依赖矩阵，并按样本和变量动态生成组合权重，避免在噪声、非平稳数据上过拟合偶然的时间交互。 作者称，在全部评测数据集上，TStruct 的预测精度均优于多个强基线，同时保持较高计算效率。代码已开源。 该论文由 Yangze Li 等作者发布在 arXiv，属于方法研究，效果以作者自评测为准。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
TStruct：为长期时间序列预测学习共享时间结构报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AITStruct：为长期时间序列预测学习共享时间结构
研究者提出时间结构网络（TStruct，Temporal Structure Network），通过学习一组共享时间依赖矩阵并按样本和变量动态生成组合权重，避免在噪声、非平稳数据上过拟合偶然的时间交互。在全部评测数据集上，TStruct 的预测精度均优于多个强基线，同时保持较高计算效率，代码已开源。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。