热点事件持续更新
间歇性需求预测中池化何时有效：遗忘下的可信度与可分辨性
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，arXiv Statistics Machine Learning 发表（一手）论文《间歇性需求预测中池化何时有效：遗忘下的可信度与可分辨性》。论文提出分层经验贝叶斯障碍模型 EBB，用单一指数近度算子同时处理项目级与组级统计，将遗忘对共享先验的杠杆与噪声底影响统一为一个拟合窗口诊断、可信度界与候选池可分辨条件。目前进展为该模型与诊断框架的提出，尚无后续验证或应用报道。
AI 根据报道生成 · 16 小时前更新
最新进展10月5日 12:00
arXiv 发表 EBB 模型，统一拟合窗口诊断、可信度界与候选池可分辨条件。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Statistics Machine Learning间歇性需求预测中池化何时有效：遗忘下的可信度与可分辨性
论文提出分层经验贝叶斯障碍模型 EBB，用单一指数近度算子同时处理项目级与组级统计，将遗忘对共享先验的杠杆与噪声底影响统一为一个拟合窗口诊断、可信度界与候选池可分辨条件。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。