AutoBNN：利用组合贝叶斯神经网络进行时间序列概率预测

时间序列问题在许多领域都很常见，例如，预测天气和交通模式，理解经济趋势等。这些问题涉及分析按时间顺序排列的数据，并尝试预测未来的数据点。尽管传统贝叶斯方法在时间序列建模中被广泛使用，但它们通常需要领域专家仔细选择适当的模型组件，这一过程可能既繁琐又需要丰富的专业知识。此外，这些方法在计算上可能非常昂贵。作为一种替代方法，神经网络在处理时间序列数据时虽然强大，但它们缺乏可解释性，使得难以理解模型是如何生成预测的。此外，神经网络通常无法产生可靠的置信区间，这是评估预测准确性的一个重要指标。

Google研究团队开发出一款针对时间序列数据预测的工具：AutoBNN，它基于JAX库构建并以开源形式提供。AutoBNN 可自动发现可解释的时间序列预测模型，提供高质量的不确定性估计，并可有效扩展以用于大型数据集。AutoBNN将贝叶斯统计方法与神经网络技术的优点相结合，具有以下主要特点：

Support authors and subscribe to content

This is premium stuff. Subscribe to read the entire article.
Login if you have purchased

Subscribe
Gain access to all our Premium contents.
More than 100+ articles.
Subscribe Now

Buy Article
Unlock this article and gain permanent access to read it.
Unlock Now

via XiaoHu.AI学院 (author: 小互)