https://blog.qife122.com/tags/%E4%BA%8B%E4%BB%B6%E9%A2%84%E6%B5%8B/ Recent content in 事件预测 on 办公AI智能小助手 Hugo zh-cn qife Sat, 20 Sep 2025 00:41:47 +0800 https://blog.qife122.com/p/%E5%88%86%E7%B1%BB%E5%88%86%E5%B8%83%E4%BD%9C%E4%B8%BA%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E8%BE%93%E5%87%BA%E6%8F%90%E5%8D%87%E4%BA%8B%E4%BB%B6%E9%A2%84%E6%B5%8B%E6%95%88%E6%9E%9C/ Sat, 20 Sep 2025 00:41:47 +0800 https://blog.qife122.com/p/%E5%88%86%E7%B1%BB%E5%88%86%E5%B8%83%E4%BD%9C%E4%B8%BA%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E8%BE%93%E5%87%BA%E6%8F%90%E5%8D%87%E4%BA%8B%E4%BB%B6%E9%A2%84%E6%B5%8B%E6%95%88%E6%9E%9C/ <h1 id="分类分布作为神经网络输出在事件预测中的有效性研究">分类分布作为神经网络输出在事件预测中的有效性研究</h1> <h2 id="摘要">摘要</h2> <p>本研究证明了使用简单的神经网络输出——分类概率分布在下一脉冲预测任务中的有效性。该案例研究促使我们深入探究为何这种简单的输出结构在神经时间点过程模型中并不常用。研究发现，许多用于评估时间点过程模型的现有数据集并未充分揭示底层事件生成过程的信息，且许多现有模型的良好性能源于模型大小的正则化效应和输出结构的约束。为了在信息受限机制之外进行探索，研究扩展了现有数据集并创建了新数据集，发现输出简单的分类分布在多种数据集上都具有竞争力。</p>