10:13
arXiv cs.LG@Yuanyuan Wang, Wenjie Wang, Haoxuan Li, Mingming Gong, Kun Zhang
精选
推荐理由：这篇论文用扩散偏移解决了连续时间潜变量因果模型的可识别性难题，不需要稀疏性假设，还拿真实桥梁数据做了验证，做时间序列因果推断的值得看看。
全部 AI 动态
AI 相关资讯全量信息流
6月29日
10:13
研究团队在连续时间潜在随机微分方程（SDE）模型中提出了基于环境诱导的扩散协方差偏移的可识别性方法。在共享漂移但环境特定扩散协方差条件下，两个具有成对坐标方差比不同的对角扩散机制可将潜在坐标识别至置换和缩放。该结果首先在线性Ornstein-Uhlenbeck系统中证明，然后推广至一般加性噪声潜SDE。在温和光滑性下，瞬时漂移-雅可比因果图也可识别至相同置换。实验在合成系统和Hardanger大桥监测数据上验证了理论。
6月24日
11:50
11:50
arXiv cs.LG@Giorgio Corani, Stefano Damato, Dario Azzimonti, Lorenzo Zambon
推荐理由：这篇论文用M5竞赛数据测试了不同模型选择标准，发现短测试集时只有平均分靠谱。搞时间序列模型的人可以参考。
6月23日
10:47
10:47
arXiv cs.LG@Rodrigo Herrera, Vianey Leos-Barajas, Gwendolyn Eadie, Elizaveta Semenova, James Davenport
推荐理由：这篇论文用VAE加速了Celerite和HMM的恒星耀斑检测，解决了GP计算慢的老问题，实测时间大幅缩短，做天文时间序列分析的值得一看。
6月20日
17:12
17:12
marktechpost@Sana Hassan
marktechpost@Sana Hassan精选
推荐理由：这篇教程手把手教你用TimeCopilot做时间序列预测，能自动检测异常，还能用LLM帮你选模型并解释结果。
6月16日
20:46
AITOP6月16日 20:46
09:48
09:48
arXiv cs.LG@Tien Thanh Thach
推荐理由：这篇论文在股票预测上用改进的Transformer和数据增强，在VN30和标普500上效果比堆模型还管用，值得看看具体方法。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月1日
10:12
10:12
arXiv cs.LG@Utsav Dutta, Gerardo Pastrana, Sina Khoshfetrat Pakazad, Henrik Ohlsson
推荐理由：CHARM解决了多变量时间序列表示学习的通用性问题，做传感器数据分析、工业监控或金融时序预测的团队可以直接用线性探针获得强性能，值得关注其跨数据集泛化能力。
5月29日
12:14
12:14
arXiv cs.LG@Hanyang Jiang, Rina Foygel Barber, Ashwin Pananjady, Yao Xie
推荐理由：时间序列预测的置信区间一直是个难题，做时序建模的团队可以试试LWO——它比分割法更高效，也比原始Jackknife更可靠，值得在ARIMA或LSTM上跑一跑。