提示词描述

图标题： M=2协同教学时间序列预测训练框架 整体布局： 图表从左到右排列，包含四个主要阶段： 输入 → 双模型并行预测 → 小损失样本选择 → 交叉更新。 中间部分由两个对称的模型分支组成，结构相同但参数独立。 1. 输入模块（最左侧）： 绘制一个输入块，标记为： 时间序列输入窗口 块内描述： 使用滑动窗口构建样本。 输入长度为 𝐿 ，预测长度为 𝐻 块下方注释： 保持输入序列的干净。 监督噪声仅注入到预测目标中。 从该输入块绘制两个箭头，分别指向上下模型分支。 2. 双模型并行结构（中间）： 绘制两个垂直排列的模型块，大小相同： 上方模型：模型 𝑓 𝜃 1 下方模型：模型 𝑓 𝜃 2 模型块内注释： 相同架构 参数彼此独立 每个模型块接收来自输入模块的时间序列窗口。 3. 并行预测和损失计算： 从每个模型块向右绘制箭头，连接到相应的预测输出块： 上方预测块：预测输出 𝑌 ^ ( 1 ) 下方预测块：预测输出 𝑌 ^ ( 2 ) 在每个预测输出块下方，绘制一个损失计算模块： 模块名称：窗口级别损失计算 模块内描述： 聚合预测窗口内所有时间步的误差。 使用基本的损失函数（例如 MSE 或 Huber）。 获得每个样本的窗口级别损失值。 4. 小损失样本选择： 从每个“窗口级别损失计算”模块向右绘制箭头，连接到样本选择模块： 上方选择块：小损失样本选择（Top r%） 下方选择块：小损失样本选择（Top r%） 模块内描述： 根据窗口级别损失对样本进行排序。 选择损失较小的 top r% 的样本。 认为它们的监督信息相对可靠。 5. 交叉样本交换机制（关键部分）： 在两个“小损失样本选择”模块之间绘制交叉箭头： 从上方选择模块指向下方模型。 从下方选择模块指向上方模型。 交叉箭头旁边的标签： 交叉更新 文字描述： 每个模型不使用自己选择的样本进行更新。 而是使用另一个模型选择的样本来更新其参数。 避免模型对噪声样本的自我强化。 6. 参数更新： 将交叉箭头连接回相应的模型块： 模型 𝑓 𝜃 1 : 使用来自模型 𝑓 𝜃 2 的样本进行参数更新。