Динамическая многоступенчатая декодация для моделей фонда времени

arXiv: 261 0303409v 1 Annuales Type: New Humber Brieflow: Модели прогнозирования временных рядов обычно используют фиксированную стратегию декодирования в момент вывода: либо одноразовое предсказание полного горизонта, либо авторегрессивное свертывание над атомными кусками. В то время как одноразовое декодирование уменьшает аккумулирование ошибок, оно может отказаться от полезной последовательной структуры; напротив, авторегрессивное дешифрование сохраняет временные зависимости, но может усугублять ошибки. Мы утверждаем, что оптимальная стратегия декодирования не закреплена во всех вводимых ресурсах, а должна выбираться адаптивно для каждого случая прогнозирования. Мы предлагаем динамического выбора стратегии, который рассматривает график реализации прогноза в качестве проблемы с принятием решений по замороженным заранее подготовленным моделям временных рядов. Выборщик — это обучаемая сеть, которая определяет графики реализации кандидатов с использованием скрытого состояния позвоночника и проходит подготовку по историческим окнам оцениваемых задач для каждого из позвонков. Сделать выбранный кандидат пригодным для движения в экспоненциально большом пространстве горизонта