阿里達(dá)摩院提出時序預(yù)測新模型-淘寶問答

預(yù)測難度就越大這項(xiàng)技術(shù)在氣象、電力、零售、交通等諸多行業(yè)有廣泛應(yīng)用傳統(tǒng)的時序預(yù)測模型一般采用LSTM、CNN等方法，該模型核心中的注意力機(jī)制模塊對時序數(shù)據(jù)不夠敏感此次阿里達(dá)摩院提出的新模型FEDformer融合了transformer和經(jīng)典信號處理方法例如，具有更好的魯棒性新模型還專門設(shè)計(jì)周期趨勢項(xiàng)分解模塊，達(dá)摩院新模型在電力、交通、氣象等6個標(biāo)準(zhǔn)數(shù)據(jù)集上均取得最佳紀(jì)錄。

近日，阿里達(dá)摩院提出了一種長時序預(yù)測的新模型FEDformer，精準(zhǔn)度比業(yè)界最優(yōu)方法提升14.8%以上，模型已應(yīng)用于電網(wǎng)負(fù)荷預(yù)測相關(guān)論文已被機(jī)器學(xué)習(xí)頂會ICML2022收錄

據(jù)了解，ICML是機(jī)器學(xué)習(xí)領(lǐng)域的頂級學(xué)術(shù)會議，達(dá)摩院決策智能實(shí)驗(yàn)室的論文《FEDformer:FrequencyEnhancedDecomposedTransformerforLong-termSeriesForecasting》關(guān)注了機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典問題：時序預(yù)測(TimeSeriesForecasting)

時間序列預(yù)測，意思是指利用歷史數(shù)據(jù)預(yù)測未來信息預(yù)測可分為短期、中期和長期預(yù)測，需要預(yù)測的時間窗口越長，預(yù)測難度就越大這項(xiàng)技術(shù)在氣象、電力、零售、交通等諸多行業(yè)有廣泛應(yīng)用

傳統(tǒng)的時序預(yù)測模型一般采用LSTM、CNN等方法，精準(zhǔn)度和使用場景都較為有限，無力處理大規(guī)模數(shù)據(jù)

近年來，研究人員開始將transformer模型引入長時序預(yù)測，但效果仍不夠理想，該模型核心中的注意力機(jī)制模塊對時序數(shù)據(jù)不夠敏感

此次阿里達(dá)摩院提出的新模型FEDformer融合了transformer和經(jīng)典信號處理方法例如，利用傅立葉/小波變換將時域信息拆解為頻域信息，讓transformer更好地學(xué)習(xí)長時序中的依賴關(guān)系FEDformer也能排除干擾，具有更好的魯棒性

新模型還專門設(shè)計(jì)周期趨勢項(xiàng)分解模塊，通過多次分解以降低輸入輸出的波動，進(jìn)一步提升預(yù)測精度

實(shí)驗(yàn)證明，達(dá)摩院新模型在電力、交通、氣象等6個標(biāo)準(zhǔn)數(shù)據(jù)集上均取得最佳紀(jì)錄，預(yù)測精準(zhǔn)度較此前業(yè)界最佳模型分別提升14.8%(多變量)和22.6%(單變量)

目前該模型已走出實(shí)驗(yàn)室，在區(qū)域電網(wǎng)完成概念驗(yàn)證，明顯提升電網(wǎng)負(fù)荷預(yù)測準(zhǔn)確率

如今，基于自研的時序預(yù)測、優(yōu)化求解器MindOpt、安全強(qiáng)化學(xué)習(xí)等底層技術(shù)，達(dá)摩院打造的綠色能源AI，已逐步落地全國多家電網(wǎng)和發(fā)電企業(yè)，促進(jìn)綠色能源消納和電網(wǎng)安全運(yùn)行

值得一提的是，天眼查資料顯示，阿里巴巴達(dá)摩院(杭州)科技有限公司7月1日公開一項(xiàng)“機(jī)器客服訓(xùn)練系統(tǒng)及其方法、語音回復(fù)方法和電子設(shè)備”專利，申請公布號為CN114692891A，申請日期為2022年1月29日

該專利摘要顯示，本申請?zhí)峁┮环N機(jī)器客服訓(xùn)練系統(tǒng)及其方法、語音回復(fù)方法和電子設(shè)備該機(jī)器客服訓(xùn)練系統(tǒng)包括：機(jī)器客服模型、用戶模型、回報(bào)參數(shù)配置組件和終止組件

幕思城為您更新最近最有用的電商資訊、電商規(guī)則阿里達(dá)摩院,淘寶,淘寶達(dá)摩,淘寶平臺淘寶問答。了解更多電商資訊、行業(yè)動向，記得關(guān)注幕思城！

這個問題還有疑問的話，可以加幕.思.城火星老師免費(fèi)咨詢，微.信號是為: msc496。