MetaARIMA将迁移学习用于ARIMA配置
热点事件持续更新
MetaARIMA将迁移学习用于ARIMA配置
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Vitor Cerqueira、Ricardo Inácio和Carlos Soares提出MetaARIMA，为新时间序列推荐ARIMA候选配置；作者称，在M4训练、M1、M3和Tourism数据集评估的迁移实验中，该方法优于AutoARIMA及其他经典方法，且更节省数据。 MetaARIMA从历史实验中学习高分位表现较好的配置，用最大边际相关性筛选多样候选，再通过 successive halving 确定最终配置。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
MetaARIMA：面向 ARIMA 模型的配置级迁移学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningMetaARIMA：面向 ARIMA 模型的配置级迁移学习
MetaARIMA 通过预训练配置策略，将迁移学习引入经典统计预测，在配置层面为新时间序列推荐 ARIMA 候选配置。该策略从历史实验中学习高分位表现较好的配置，并结合最大边际相关性筛选多样候选、通过 successive halving 确定最终配置。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月28日 21:00
- 近 24 小时变化
- –
02468
21:0022:0023:00
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。