channel independence | BriefGPT

关键词channel independence

搜索结果 - 5

SOFTS: 高效多变量时间序列融合预测
该研究论文提出了一种基于多层感知器的模型（SOFTS），它利用了一个新颖的 STar 聚合调度（STAD）模块，通过将所有系列聚合成一个全局核心表示，再与各个系列表示进行调度和融合，以有效促进通道间的交互，实现了优于现有最先进方法的性能，且
PDF2 months ago
MCformer：混合通道 Transformer 的多元时间序列预测
基于 Mixed Channels 策略，本文提出了 MCformer 作为一种混合通道特征的多变量时间序列预测模型，通过注意力机制有效捕捉了通道间相关信息从而在多变量时间序列预测任务中胜过了纯 CI 策略。
PDF4 months ago
InjectTST: 将全局信息注入到独立通道的 Transformer 方法，用于长时间序列预测
提出了一种将全局信息注入通道独立 Transformer 模型的注入方法 InjectTST，通过通道标识符、全局混合模块和自我上下文注意力模块选择性地将全局信息逐渐注入各个通道，实现了通道混合，实验证明 InjectTST 相比最先进的模
PDF4 months ago
通道和序列的舞动：一种高效的基于注意力的多元时间序列预测方法
我们介绍了 CSformer 模型，它通过精心设计的两阶段自注意机制实现了序列特定和通道特定信息的提取，并引入了序列适配器和通道适配器，以促进各个维度之间的协同和相互增强，从而显著提高了多变量时间序列数据的特征提取能力。
PDF7 months ago
基于通道独立性的紧凑神经网络剪枝方法 CHIP
本文从跨通道的角度出发，提出了一种基于通道独立度的高效的滤波器剪枝方法，该方法通过减少含有较少有用信息的特征图的数量，从而减小了模型容量，提高了模型的计算和存储效率。实验结果表明，在不影响精度的情况下，该方法可以显著地减小模型大小和 FLO
PDF3 years ago