7月12日，阿里达摩院最近提出了长期预测的新模型FEDformer，精度比行业最优方法提高14.超过8%的模型已应用于电网负荷预测。机器学习已将相关论文列为顶级会议ICML2022收录。
据了解，ICML是机器学习领域的顶级学术会议，达摩院决策智能实验室论文《FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting》关注机器学习领域的经典问题：时序预测（Time Series Forecasting）。
时间序列预测是指利用历史数据预测未来信息。预测可分为短期、中期和长期预测。需要预测的时间窗口越长，预测就越困难。该技术广泛应用于气象、电力、零售、交通等行业。
传统的时序预测模型一般采用LSTM、CNN该方法精度和使用场景有限，无法处理大规模数据。
近年来，研究人员将开始transformer该模型引入长时序预测，但效果仍不理想，该模型核心的注意机制模块对时序数据不够敏感。
阿里达摩院提出的新模型FEDformer融合了transformer以及经典的信号处理方法。例如，使用傅立叶/小波变换将时域信息解为频域信息transformer更好地学习长期顺序中的依赖关系；FEDformer它还可以消除干扰，具有更好的鲁棒性。
(图源阿里云微信公众号 达摩院FEDformer模型架构）
通过多次分解，新模型还专门设计了周期趋势项分解模块，以减少输入输出的波动，进一步提高预测精度。
实验证明，达摩院新模型在电力、交通、气象等6个标准数据集中取得了最佳记录，预测精度分别高于行业最佳模型.8%(多变量)和22.6%(单变量)。
目前，该模型已走出实验室，完成区域电网概念验证，显著提高了电网负荷预测的准确性。
如今，基于自主研究的时间预测和优化求解器MindOpt、达摩院打造的绿色能源，如安全强化学习等底层技术AI，全国多家电网和发电企业逐步落地，促进绿色能源消耗和电网安全运行。
（图源阿里云微信公众号 达摩院FEDformer模型在6个数据集中获得最佳记录。
值得一提的是，天眼数据显示，阿里巴巴达摩研究所（杭州）科技有限公司于7月1日公开了机器客户服务培训系统及其方法、语音响应方法和电子设备专利，申请公告号为CN114692891A，申请日期为2022年1月29日。
根据专利摘要，本申请提供机器客户服务培训系统及其方法、语音响应方法和电子设备。机器客户服务培训系统包括：机器客户服务模型、用户模型、回报参数配置组件和终止组件。
