实验室博士生论文被 AAAI 2026 接收,聚焦轻量可靠时序预测方法

实验室博士生最新研究成果被 AAAI 2026 正式接收。该论文聚焦复杂非平稳时间序列预测任务,围绕局部模式重用、结构紧凑建模与预测可靠性评估展开设计,提出了兼顾精度、效率与稳健性的轻量级预测框架。

与传统依赖大规模参数堆叠的时序模型不同,该工作更加注重局部模式的可复用表示,并引入可靠性感知机制以降低噪声模式和分布偏移对预测结果的干扰。实验结果显示,该方法在多个公开数据集上具有稳定优势,并在推理效率上表现突出。

该成果是实验室在智能时间序列分析方向上的又一项阶段性进展,也体现了团队在基础模型设计、模式学习与高可信预测方面的持续探索。