BEAT：均衡频率自适应调优框架用于长期时间序列预测

研究者提出 BEAT（Balanced frEquency Adaptive Tuning）框架，将频率特异性误差监测与自适应梯度调制结合，用于长期时间序列预测。其频率特异性监测器在归一化空间比较多尺度小波系数，动态梯度均衡器据此为高相对误差分量分配更大梯度权重，且监测与均衡仅在训练阶段生效。 在七个真实数据集上，BEAT 取得了与当前最优预测方法相当的竞争性表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。