MSEを超えて：確率的時系列予測のための順序クロスエントロピー

時系列予測は、過去データの時間的依存関係やパターンを分析し、将来の値を予測する重要なタスクです。従来の深層学習モデルは主に平均二乗誤差（MSE）を損失関数として使用していますが、不確実性の推定や外れ値への耐性が乏しいという問題があります。これに対処するため、著者たちは新たに提案するOCE-TSという手法を用い、MSEを順序クロスエントロピー（OCE）損失に置き換えることで、予測の順序を保ちながら確率的な出力を通じて不確実性を定量化します。OCE-TSは観測値を順序付き区間に離散化し、確率を予測する簡単な線形モデルを使用します。実験では、OCE-TSは５つのベースラインモデルと比較され、MSEや平均絶対誤差（MAE）を指標にして常に優れた性能を示しました。