Badacze zaproponowali GITCO – lekki framework optymalizujący kontekst wejściowy modeli fundacyjnych do prognozowania szeregów czasowych bez modyfikacji wag. Metoda redukuje błąd MASE o średnio 1,95% na 53 zbiorach danych, eliminując szkodliwe anomalie w danych wejściowych.
To streszczenie zostało przygotowane przy pomocy narzędzi AI na podstawie źródła. Pełną treść znajdziesz w oryginalnym artykule.
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google