测试时优化将重建模型转为缺失通道插补器

Björn Ludwig 等在一项 arXiv 研究中提出：无需掩码增强训练，直接在推理时把冻结的时间序列重建模型转化为缺失通道插补器——将每个测试窗口的缺失值作为优化变量，仅对观测坐标最小化重建误差。 在五个真实数据集（每个测试窗口合成掩蔽恰好一个通道）和四种重建架构上，该方法在 20 个数据集-骨干组合中的 19 个上降低了 MAE。与掩码感知填补器相比，最优精调模型在两个数据集上 MAE 最低，在三个上落后于最强基线；且收益以显著增加的推理时间为代价，并对跨通道耦合敏感。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。