arXiv · cs.LG· Alexandra Spitzer, Giovanni Abati, Lorenzo Baldassari, Till Muser, Cheng Shi, Ivan Dokmani\'c·· 16 小时前
从粗粒度观测做生成式预测:级联何时有效?
Generative Forecasting from Coarse-Grained Observations: When Does Cascading Help?
AI 导读
研究针对流体与波等动力系统,用分层生成参考数据构建条件集合,发现标准扩散模型和随机插值在粗观测概率预测上存在显著分布误差。级联多个短程预测能大幅降低湍流与波情形下的误差,但也存在反而变差的案例,原因是粗过程非马尔可夫、级联会丢弃未解析细尺度信息。作者提出可解析模型,表明最优级联深度随未解析尺度与观测尺度耦合增强而减小、随预测对观测的振荡依赖增强而增大,并发布首个带真值条件集合的概率预测基准数据集。
来源:arXiv · cs.LG · arxiv.org