计算机工程

作者：杨春霞, 蒋耀, 翟雪彤, 周媛媛

单位：1. 南京信息工程大学自动化学院, 江苏 南京 2100442. 江苏省大数据分析与技术重点实验室, 江苏 南京 210044

关键词：多视图学习,时序预测,概率预测,功能神经过程,一致性正则化

基金：国家自然科学基金(61273229)

在多视图时间序列预测领域, 如何有效融合来自不同视图的信息, 是一个重要且具有挑战性的问题。现有的多视图时序预测方法在捕获历史数据趋势方面存在局限性, 同时也常受到多视图信息分布不一致的影响。针对这两个问题, 基于功能神经过程(FNP)框架, 提出一种一致性功能神经过程(CFNP)框架。CFNP框架中包含两个核心模块: 视图随机相关图模块和视图分布对齐模块。视图随机相关图模块通过分析历史数据的分布, 辅助对当前数据的理解和预测; 而视图分布对齐模块致力于缩小不同视图间的概率分布差异, 通过在潜在空间中施加约束, 提高模型对时间序列内在关联性的捕捉能力。在两个公开数据集上的实验结果表明, 相比于现有方法, CFNP框架在均方根误差(RMSE)上性能提升分别为14%和5%, 证明此框架能够更准确地预测多视图时间序列。

来源：2025年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第10期