Promptの説明

M = 2 協調学習フレームワークによるノイズを含む時系列予測 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、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、クロス更新の4つの段階を含みます。 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、f(θ1)とf(θ2)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列に処理し、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。ウィンドウレベル損失は、予測ホライズンにわたる予測誤差を集計し、損失関数を利用して、各入力ウィンドウに対して計算されます。