Forschung
<p>Soft-Token-Vorhersagen reduzieren Bias und Risiko in Zeitreihenprognosen</p> <p>Autoregressive Modelle sind das Herzstück der prädiktiven Steuerung bei Diabetes- und hämodynamischen Anwendungen, wo unterschiedliche Betriebszonen mit variierenden klinischen Risiken verbunden sind. Traditionelle Modelle, die mit Teacher‑Forcing trainiert werden, leiden unter Exposure Bias, was zu instabilen Mehrschrittvorhersagen führt und die Sicherheit in geschlossenen Regelkreisen gefährdet.</p> <p>Die neue Methode Soft
arXiv – cs.LG