arXiv · cs.AI· Licheng Pan, Haocheng Yang, Shuting He, Han Zheng, Yuzhou Chen, Guangyi Liu, Kangning Zhang, Zhixuan Chu, Yuan Lu, Hao Wang·· 6 小时前
KMB-DF通过核化矩平衡改进深度时间序列预测
Deep Time-series Forecasting Needs Kernelized Moment Balancing
arXiv:2602.00717v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Licheng Pan, Haocheng Yang, Shuting He, Han Zheng, Yuzhou Chen, Guangyi Liu, Kangning Zhang, Zhixuan Chu, Yuan Lu, Hao Wang
研究任务与主要进展
基于论文摘要，作者提出KMB-DF，将深度时间序列预测建模为分布平衡问题，并从再生核希尔伯特空间中自适应选择信息量更高的平衡函数。作者称其可基于经验样本进行可微估计并无缝接入梯度训练；多模型、多数据集实验显示其持续提升预测准确率并达到作者所称的SOTA表现，代码地址为https://anonymous.4open.science/r/KMB-DF-403C。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org