Skip to content
Hot eventLive

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 reports1 sources16 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 16 hr ago

LatestOct 5
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。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. 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。

Heat trend

Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.