Jednostavan sezonski model ostao konkurentan složenijim mrežama u prognozi neutronskih serija
Studija poredi sezonske baseline modele, duboke sekvencijalne mreže i quantum-inspired arhitekture za prognoziranje vremenskih serija neutronskih monitora.
Široko poređenje modela
Evaluacija uključuje Seasonal Naive, LSTM, TCN, N-BEATS, Kolmogorov-Arnold Networks i dve quantum-inspired varijante, QiLSTM i QiKAN.
Performanse su merene agregatnim MAE i RMSE pokazateljima, uz opis karakteristika skupa podataka, dijagnostike, preprocessinga i procedura treninga.
QiKAN najbolji u brzom testu, ali baseline blizu
Autori navode da je u njihovom quick-run režimu QiKAN imao najnižu agregatnu grešku među testiranim konfiguracijama, dok je jednostavan Seasonal Naive ostao veoma konkurentan.
Rezultati sugerišu da kod izrazito periodičnih naučnih vremenskih serija modeli sa jakim sezonskim ili niskodimenzionalnim funkcionalnim priorima mogu da pariraju znatno složenijim sekvencijalnim arhitekturama.
Izvori
Prikazani su izvorni linkovi korišćeni za proveru objavljenih činjenica.