A predictive approach to enhance time-series forecasting

计算机科学 机器学习 时间序列 人工智能 多样性(控制论) 深度学习 事件(粒子物理) 数据挖掘 概率预测 预测建模 技术预测 非线性系统 还原(数学) 数据建模 人工神经网络 需求预测 动力系统理论 机制(生物学) 大数据
作者
Skye Gunasekaran,Assel Kembay,Hugo Ladret,Rui-Jie Zhu,Laurent Perrinet,Omid Kavehei,Jason K. Eshraghian
出处
期刊:Nature Communications [Nature Portfolio]
卷期号:16 (1): 8645-8645 被引量:30
标识
DOI:10.1038/s41467-025-63786-4
摘要

Accurate time-series forecasting is crucial in various scientific and industrial domains, yet deep learning models often struggle to capture long-term dependencies and adapt to data distribution shifts over time. We introduce Future-Guided Learning, an approach that enhances time-series event forecasting through a dynamic feedback mechanism inspired by predictive coding. Our method involves two models: a detection model that analyzes future data to identify critical events and a forecasting model that predicts these events based on current data. When discrepancies occur between the forecasting and detection models, a more significant update is applied to the forecasting model, effectively minimizing surprise, allowing the forecasting model to dynamically adjust its parameters. We validate our approach on a variety of tasks, demonstrating a 44.8% increase in AUC-ROC for seizure prediction using EEG data, and a 23.4% reduction in MSE for forecasting in nonlinear dynamical systems (outlier excluded). By incorporating a predictive feedback mechanism, Future-Guided Learning advances how deep learning is applied to time-series forecasting.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
lx的应助被2jz采纳,获得10
刚刚
不灭的灯完成签到,获得积分10
2秒前
2秒前
风1发布了新的文献求助10
2秒前
pluto的应助被彩色白秋采纳,获得50
2秒前
nidiedeer发布了新的文献求助10
2秒前
岳雨萌发布了新的文献求助10
3秒前
wangyu3完成签到,获得积分10
4秒前
6秒前
6秒前
jar7989发布了新的文献求助10
6秒前
夜里看文献完成签到 ,获得积分10
7秒前
www完成签到 ,获得积分10
7秒前
yuanyuan完成签到,获得积分10
7秒前
Xwr完成签到,获得积分20
7秒前
在水一方的应助被kuridan采纳,获得10
7秒前
ylf完成签到,获得积分10
7秒前
法国v刚刚发布了新的文献求助10
8秒前
上官若男的应助被zxqzxq采纳,获得10
8秒前
娇娇老师完成签到,获得积分10
8秒前
ff发布了新的文献求助10
8秒前
魏伯安发布了新的文献求助10
9秒前
9秒前
小xy发布了新的文献求助10
10秒前
Maestro_S的应助被Zilean采纳,获得10
10秒前
10秒前
11秒前
韩han发布了新的文献求助10
11秒前
11秒前
nidiedeer完成签到,获得积分10
12秒前
美丽的向雁完成签到,获得积分10
12秒前
研友_VZG7GZ的应助被胡萝卜卜采纳,获得10
12秒前
昏睡的凡松完成签到 ,获得积分10
12秒前
12秒前
叶艳完成签到 ,获得积分10
13秒前
拼搏曲奇完成签到,获得积分10
14秒前
姜太公发布了新的文献求助10
15秒前
15秒前
15秒前
大酱踢腿发布了新的文献求助10
15秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8191314
求助须知:如何正确求助?哪些是违规求助? 9578210
关于积分的说明 21857267
捐赠科研通 7790624
什么是DOI,文献DOI怎么找? 3436606
关于科研通互助平台的介绍 2560359
邀请新用户注册赠送积分活动 2483305