BriefGPT.xyz
Sep, 2024
多变量时间序列的状态空间模型聚合
A SSM is Polymerized from Multivariate Time Series
HTML
PDF
Haixiang Wu
TL;DR
该研究针对多变量时间序列(MTS)任务中的复杂依赖问题,提出了一种新的状态空间模型(SSM)聚合方法——Poly-Mamba。通过扩展正交函数基空间并引入多元正交多项式近似(MOPA),该方法能够更准确地描述时间与通道依赖的变化。实验结果显示,Poly-Mamba在处理具有大数量通道和复杂相关性的真实数据集时,显著优于现有的最先进方法。
Abstract
For
Multivariate Time Series
(MTS) tasks, previous
State Space Models
(SSMs) followed the modeling paradigm of Transformer-based methods. However, none of them explicitly model the complex dependencies of MTS: th
→