★ 2
论文提出极低状态量化 Transformer，用于电力负荷预测
研究在 3/5/7/16 状态权重量化下考察 Transformer 电力负荷预测，直接训练后量化使 NRMSE 上升 6.25 与 7.04 个百分点，量化感知微调可挽回约 90.2% 与 94.5% 的损失。作者提出累积更新阈值化，将已提交影子权重更新减少约 99.7%、离散状态切换减少 77…
arXiv cs.LG11 天前
#电力预测
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
TimesFM 3.0 用于大学建筑日前电力预测
arXiv 论文对统计、机器学习、循环神经网络与预训练 TimesFM 模型在大学建筑日前电力预测任务上进行基准测试。TimesFM 3.0 结合协变量取得最低误差，平均绝对误差较周季节朴素预测降低约 43%，且无需建筑专属权重训练。XGBoost 仍具竞争力，可快速本地拟合与推理。
arXiv cs.LG21 天前