学术讲座预告:SparseTSF: 一个极致轻量化的长序列预测模型
时间:2024年6月24日14:20
地点:明辨楼1-104会议室
主办单位:数学与统计学院(三峡大数据学院)(2024年第2场)
主讲人简介:林伟伟,华南理工大学计算机科学与工程学院教授(三级)、博士生导师,先进计算体系结构团队负责人,CCF杰出会员,IEEE高级会员,《计算机科学》期刊执行编委。主要从事云计算调度优化和节能技术、大数据性能建模和分析算法、AI应用技术(联邦学习、边缘智能、云边协同)等研究工作,2021-2023年连续入选斯坦福大学全球前2%顶尖科学家榜单,科研成果“云计算调度优化技术”获2020年广东省科技进步奖二等奖(排名第一);主持科研项目30余项,包括3个国家自然基金、多个省部级重大项目和华为公司委托合作研究项目4项;发表SCI论文100余篇,授权发明专利近40件,撰写著作5本,作为唯一的高校参与人参与起草了国家标准《塔式和机架式服务器能效限定值及能效等级》(标准号为GB 43630-2023)。成果在华为、OPPO、广电运通、云宏信息、广州鼎甲等公司开展推广应用,取得了良好的经济和社会效益。
内容简介:本报告介绍了一种用于长期时间序列预测(LTSF)的新的、极其轻量级的模型SparseTSF,旨在以最小的计算资源解决在扩展范围内建模复杂的时间相关性的挑战。SparseTSF的核心是跨周期稀疏预测技术,该技术通过解耦时间序列数据的周期性和趋势性来简化预测任务。该技术包括对原始序列进行下采样,以专注于跨周期趋势预测,有效地提取周期特征,同时最小化模型的复杂性和参数计数。基于这项技术,SparseTSF模型使用不到1k个参数,与最先进的模型相比,实现了有竞争力或卓越的性能。此外,SparseTSF展示了非凡的泛化能力,非常适合计算资源有限、样本小或数据质量低的场景。相关实现代码见:https://github.com/lss-1138/SparseTSF
上一条:学术讲座预告:双寡头混合劳动力竞争中的动态订单分配:一种机器学习方法
【关闭】