프롬프트 설명

M = 2 공동 학습 프레임워크를 사용한 잡음이 있는 시계열 예측 이 프레임워크는 입력, 병렬 예측, 샘플 선택, 교차 업데이트의 네 단계로 구성된 두 개의 병렬 모델 분기를 가진 순차적인 왼쪽에서 오른쪽 파이프라인을 사용합니다. 입력 모듈 입력은 윈도우 길이 L과 예측 범위 H를 갖는 슬라이딩 윈도우 시계열 세그먼트로 구성됩니다. 잡음은 예측 대상에만 도입되고 입력 시퀀스는 잡음이 없습니다. 동일한 입력 윈도우가 두 개의 병렬 모델에 동시에 공급됩니다. 병렬 모델 분기 두 개의 모델 f(θ1)과 f(θ2)는 동일한 아키텍처이지만 독립적인 파라미터로 인스턴스화됩니다. 각 모델은 동일한 입력 윈도우를 병렬로 처리하고 자체 예측을 생성합니다. 예측 및 윈도우 수준 손실 각 모델은 Ŷ(1) 또는 Ŷ(2)로 표시되는 예측을 출력합니다. 윈도우 수준 손실은 손실 함수를 사용하여 예측 범위에 걸쳐 예측 오류를 집계하여 각 입력 윈도우에 대해 계산됩니다.