TimeDistill:跨架構蒸餾提升時序預測
時序預測長期面對精度與算力的兩難取舍。新方法TimeDistill透過跨架構知識蒸餾,令輕量級模型也能繼承複雜架構的預測能力,兼顧效率與準確度。
精度與成本兩難
基於Transformer、CNN的傳統時序預測模型精度出色,但計算開銷難以滿足實際部署需求;輕量級MLP推理速度快,卻常因建模能力不足而拖累預測精度。


IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
