Promptの説明

M = 2 ノイズの多い時系列予測のための共同学習フレームワーク このフレームワークは、順次的な左から右へのパイプラインを採用しており、2つの並列モデルブランチで構成され、入力、並列予測、サンプル選択、クロスアップデートの4つの段階があります。 入力モジュール 入力は、窓長Lと予測ホライズンHを持つスライディングウィンドウ時系列セグメントで構成されます。ノイズは予測ターゲットにのみ導入され、入力シーケンスはノイズフリーのままです。同一の入力ウィンドウが、2つの並列モデルに同時に供給されます。 並列モデルブランチ 2つのモデル、fθ1とfθ2は、同一のアーキテクチャを持ちますが、独立したパラメータでインスタンス化されます。各モデルは、同じ入力ウィンドウを並行して処理し、独自の予測を生成します。 予測とウィンドウレベルの損失 各モデルは、Ŷ(1)またはŶ(2)として示される予測を出力します。ウィンドウレベルの損失は、予測を集約することにより、各入力ウィンドウに対して計算されます。