长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测，为长期预警、规划和决策提供支持。现有方法在进行长期预测时，普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换架构LPPIEA(Legendre polynomial projection and information exchange architecture)。引入可逆实例数据归一化，降低长期时间序列中分布偏移对预测的影响。使用勒让德多项式投影来处理复杂的时间模式，获取数据的高维特征表示以增强模型推理长期时间序列的能力。为了有效捕获长期时间依赖关系，构建轻量化的信息交换架构来高效捕获长期时间依赖关系，从而实现准确高效的长期时间序列预测。在4个常用的公开数据集上的实验结果表明，LPPIEA的预测误差相比于基线方法平均降低11.4%，同时还具有较高的计算效率。
数字经济背景下,数字化转型已经成为企业高质量发展的重要引擎,是增强企业竞争力的有效路径。作为企业治理框架中的关键部分,内部审计必须要顺应数字化潮流,依托科技提升审计质量和效率,创新变革审计模式,以充分发挥其在企业风险管理与组织治理中的重要作用。围绕企业内部审计数字化转型要素,分析当前转型过程中面临的问题与挑战,结合机器人流程自动化(Robotic Process Automation,RPA)技术从数据治理、模型构建、流程挖掘、流程自动化以及人才培养等方面创新内部审计数字化转型路径,能够为全面实现内部审计转型升级提供新思路。
暂无评论