最新AI論文をキャッチアップするAI-SCHOLARへの投稿をご紹介します。
時系列予測では、精度を上げるためにはドメインナレッジにより注目する特徴量を設定することが求められ多くの労力を必要としました。この論文で紹介するTSDFNetでは、自己分解機構と気配りのある特徴量融合メカニズムを用いて、特徴量エンジニアリングを行うことなく、重要な特徴量を抽出します。十数種類のデータセットで検証したところ、Seq2Seq, LSTM-SAEなど従来手法と比べ際立って優れた予測性能を確認することができました。
AI-SCHOLAR | AI：(人工知能)論文…
気配りのある特徴値融合メカニズムで時系列予測するTSDFNet
3つの要点✔️ 時系列予測では、精度を上げるためにはドメインナレッジにより注目する特徴量を設定することが求められ多くの労力を必要としました。✔️ TSDFNetでは、自己分解…
