机器之心消息，来自德克萨斯奥斯汀分校以及亚马逊的研究人员们发表了一篇关于进行高位时间序列预测的深度神经网络方法的研究论文。研究人员在论文中表示，预测高维时间序列在需求预测以及财务预测等许多应用中起着至关重要的作用。然而，目前大部文献都是一维研究，即使在整个数据集上进行训练，单个维度的未来预测也主要取决于相同维度的过去值。研究人员在本文中提出了一种在全球范围内进行思考然后在当地采取行动的深度预测模型 DeepGLO 来解决这一问题。作为一种混合模型，DeepGLO 将由时间深度网络规范化的全局矩阵分解模型与捕获特定于每个维度的模式的局部深度时间模型相结合。实验结果证明，该模型在不同数据集上都表现优异。