阿里達摩院提出時序預測新模型

最近，阿里達摩院提出了一種新的用于長時間序列預測的模型FEDformer，其準確率比業(yè)界最好的方法高出14.8%以上。

該模型已應用于電網(wǎng)負荷預測。

相關論文已被機器學習峰會ICML2022收錄。

據(jù)了解，ICML是機器學習領域的頂級學術會議，論文Fed former: Frequency Enhanced由達摩院決策智能實驗室分解 transformer for long term Series forecasting專注于機器學習的經(jīng)典問題:時間序列預測 預測).時間序列預測是指利用歷史數(shù)據(jù)預測未來信息。

預測可分為短期、中期和長期預測。

預測的時間窗口越長，預測的難度就越大。

這項技術廣泛應用于氣象、電力、零售、交通等諸多行業(yè)。

傳統(tǒng)的時間序列預測模型一般采用LSTM、CNN等方法，精度和使用場景有限，無法處理大規(guī)模數(shù)據(jù)。

近年來，研究者開始將變壓器模型引入到長時間序列預測中，但效果仍不盡如人意。

該模型核心的注意機制模塊對時間序列數(shù)據(jù)不夠敏感。

阿里達摩院這次提出的新模型FEDformer結合了變壓器和經(jīng)典信號處理方法。

比如利用傅立葉/小波變換將時域信息分解為頻域信息，使變換器更好地學習長時間序列中的相關性；FEDformer還能消除干擾，具有更好的魯棒性。

在新模型中，特別設計了周期性趨勢項分解模塊，通過多重分解，減少投入產(chǎn)出波動，進一步提高預測精度。

實驗表明，達摩院的新模型在電力、交通、氣象等6個標準數(shù)據(jù)集上取得了最好的記錄，預測精度比之前業(yè)界最好的模型分別提高了14.8%(多變量)和22.6%(單變量)。

目前，該模型已經(jīng)走出實驗室，完成了在區(qū)域電網(wǎng)中的概念驗證，明顯提高了電網(wǎng)負荷預測的準確性。

如今，基于自主研發(fā)的時間序列預測、MindOpt、安全強化學習等底層技術，達摩院打造的綠色能源AI已逐步落地全國多個電網(wǎng)和發(fā)電企業(yè)，推動電網(wǎng)綠色能源消納和安全運行。

值得一提的是，據(jù)天眼查資料顯示，阿里巴巴達摩院(杭州)科技有限公司于7月1日公開了一項“機器客服訓練系統(tǒng)及其方法、語音應答方法和電子設備”的專利，申請公開號為CN114692891A，申請日為2022年1月29日。

專利摘要顯示，本申請?zhí)峁┝艘环N機器客服培訓系統(tǒng)及其方法、語音回復方法和電子設備。

機器客服培訓系統(tǒng)包括機器客服模型、用戶模型、獎勵參數(shù)配置組件和終止組件。

如何看待阿里指數(shù)？有什么用？我阿里小米算什么？阿里小米有什么功能？阿里云客服兼職注冊渠道有哪些？怎么做？

這個問題還有疑問的話，可以加幕.思.城火星老師免費咨詢，微V.信X號是為: msc496。