Oct, 2023
BasisFormer: 可学习和可解释的基于注意力的时间序列预测
BasisFormer: Attention-based Time Series Forecasting with Learnable and Interpretable Basis
Zelin Ni, Hang Yu, Shizhan Liu, Jianguo Li, Weiyao Lin
TL;DRBasisFormer 是一种端到端时间序列预测架构,它利用可学习和可解释的基来获取基础。通过自适应的自监督学习获得基础,使用双向交叉注意力计算时间序列与基础之间的相似性系数,并根据相似性系数选择和整合未来视图中的基础,从而实现准确的未来预测。通过对六个数据集进行广泛实验,证明 BasisFormer 在单变量和多变量预测任务中分别超过先前的最先进方法 11.04% 和 15.78%。