研究提出多变量预测损失 CvLoss
热点事件持续更新
研究提出多变量预测损失 CvLoss
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
研究者提出跨变量损失 CvLoss，用于多变量时间序列预测；论文报告称，该方法能提升多种预测模型的表现，并已被 NeurIPS 2026 接收。 CvLoss 在跨变量图上约束预测残差，惩罚图边两端残差的差异，以弥补直接预测目标对跨变量及滞后依赖建模的不足。
AI 根据报道生成 · 57 分钟前更新
最新进展10月28日 12:00
多变量时间序列预测需要跨变量损失报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning多变量时间序列预测需要跨变量损失
研究提出跨变量损失 CvLoss，以结构正则项约束预测残差图，弥补直接预测（DF）在跨变量和滞后依赖下的目标缺口。该方法惩罚预测片段中图边两端的残差差异，促进同步与异步交互一致性；实验显示，它持续提升有竞争力的预测模型表现，优于代表性学习目标，并兼容多种预测骨干网络。论文已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。