نویسندگان:
(1) Vijay Ekambaram ، تحقیقات IBM ؛
(2) Arindam Jati ، IBM Research ؛
(3) Nam H. Nguyen ، تحقیقات IBM ؛
(4) Pankaj Dayama ، IBM Research ؛
(5) چاندرا ردی ، تحقیقات IBM ؛
(6) وسلی م. گیفورد ، تحقیقات IBM ؛
(7) جیانت کالاگنانام ، تحقیقات IBM.
یادداشت ویرایشگر: این قسمت 4 از 5 مطالعه است که جزئیات توسعه یک مدل کوچک و سریع هوش مصنوعی را ارائه می دهد که دقت بسیار خوبی را ارائه می دهد. بقیه را در زیر بخوانید.
جدول پیوندها
4 آزمایش و نتیجه
4.1 تنظیم آزمایشی
مجموعه داده ها: پیش از ترنامی از زیر مجموعه ای از قطب داده Monash استفاده می کند [Godahewa et al., 2021] از نمونه های 244m اندازه. ما به طور خاص مجموعه داده ها (مانند سالانه ، ماهانه) را حذف می کنیم زیرا آنها برای انجام کار پیش بینی بلند مدت طول کافی ندارند. علاوه بر این ، ما تمام مجموعه داده هایی را که برای ارزیابی استفاده می کنیم حذف می کنیم (یعنی آب و هوا ، برق و ترافیک). برای ارزیابی صفر/چند شات ، ما هفت مجموعه داده عمومی (D1) را در نظر می گیریم: ETTH1 ، ETTH2 ، ETTM1 ، ETTM2 ، آب و هوا ، برق و ترافیک همانطور که در اکثر کارهای قبلی SOTA استفاده می شود [Zhou et al., 2021; Nie et al., 2023]بشر از آنجا که این مجموعه داده ها هیچ متغیر اگزوژن را شامل نمی شوند و مزایای همبستگی متقابل کانال را نشان نمی دهند ، ما چهار مجموعه داده دیگر (D2) را برای تأیید جداگانه اثربخشی اختلاط کانال رمزگشایی و ماژول میکسر اگزوژن درج می کنیم: به اشتراک گذاری دوچرخه …