프롬프트 설명

그림 제목: M=2 공동 학습 시계열 예측 훈련 프레임워크 전체 레이아웃: 다이어그램은 왼쪽에서 오른쪽으로 배열되며, 네 가지 주요 단계를 포함합니다: 입력 → 이중 모델 병렬 예측 → 작은 손실 샘플 선택 → 교차 업데이트. 중간 부분은 동일한 구조이지만 독립적인 매개변수를 가진 두 개의 대칭적인 모델 분기로 구성됩니다. 1. 입력 모듈 (맨 왼쪽): 다음과 같이 레이블이 지정된 입력 블록을 그립니다: 시계열 입력 윈도우 블록 내 설명: 슬라이딩 윈도우를 사용하여 샘플을 구성합니다. 입력 길이: 𝐿 , 예측 길이: 𝐻 블록 아래 주석: 입력 시퀀스를 깨끗하게 유지합니다. 감독 노이즈는 예측 대상에만 주입됩니다. 이 입력 블록에서 위쪽 및 아래쪽 모델 분기로 각각 가리키는 두 개의 화살표를 그립니다. 2. 이중 모델 병렬 구조 (중간): 크기가 동일한 두 개의 모델 블록을 수직으로 배열하여 그립니다: 위쪽 모델: 모델 𝑓 𝜃 1 아래쪽 모델: 모델 𝑓 𝜃 2 모델 블록 내 주석: 동일한 아키텍처 매개변수는 서로 독립적입니다. 각 모델 블록은 입력 모듈에서 시계열 윈도우를 받습니다. 3. 병렬 예측 및 손실 계산: 각 모델 블록에서 오른쪽으로 화살표를 그려 해당 예측 출력 블록에 연결합니다: 위쪽 예측 블록: 예측 출력 𝑌 ^ ( 1 ) 아래쪽 예측 블록: 예측 출력 𝑌 ^ ( 2 ) 각 예측 출력 블록 아래에 손실 계산 모듈을 그립니다: 모듈 이름: 윈도우 레벨 손실 계산 모듈 내 설명: 예측 윈도우 내의 모든 시간 단계에 걸쳐 오류를 집계합니다. 기본 손실 함수 (예: MSE 또는 Huber)를 사용합니다. 각 샘플에 대한 윈도우 레벨 손실 값을 얻습니다. 4. 작은 손실 샘플 선택: 각 "윈도우 레벨 손실 계산" 모듈에서 오른쪽으로 화살표를 그려 샘플 선택 모듈에 연결합니다: 위쪽 선택 블록: 작은 손실 샘플 선택 (상위 r%) 아래쪽 선택 블록: 작은 손실 샘플 선택 (상위 r%) 모듈 내 설명: 윈도우 레벨 손실에 따라 샘플을 정렬합니다. 손실이 더 작은 상위 r%의 샘플을 선택합니다. 해당 감독 정보가 비교적 신뢰할 수 있다고 간주합니다. 5. 교차 샘플 교환 메커니즘 (핵심 부분): 두 개의 "작은 손실 샘플 선택" 모듈 사이에 교차 화살표를 그립니다: 위쪽 선택 모듈에서 아래쪽 모델을 가리킵니다. 아래쪽 선택 모듈에서 위쪽 모델을 가리킵니다. 교차 화살표 옆에 레이블을 지정합니다: 교차 업데이트 텍스트 설명: 각 모델은 자체 선택된 샘플을 업데이트에 사용하지 않습니다. 대신 다른 모델에서 선택한 샘플을 사용하여 매개변수를 업데이트합니다. 노이즈가 있는 샘플에 대한 모델의 자체 강화를 방지합니다. 6. 매개변수 업데이트: 교차 화살표를 해당 모델 블록으로 다시 연결합니다: 모델 𝑓 𝜃 1 : 모델 𝑓 𝜃 2 의 샘플을 사용하여 매개변수를 업데이트합니다.