long-term time series forecasting | BriefGPT

关键词long-term time series forecasting

搜索结果 - 17

PDMLP：基于补丁的分解 MLP 用于长期时间序列预测
我们的研究通过改进 Transformer 架构，提出了一种基于 Patch 机制和线性层的新型解决方案 PDMLP，用于长期时间序列预测任务，并在多个真实数据集上实现了最先进的结果。
PDFa month ago
SparseTSF: 长期时间序列预测的 1k 参数建模
SparseTSF 是一种全新的、极其轻量级的用于长期时间序列预测（LTSF）的模型，通过最小化计算资源，解决了在扩展时间范围内对复杂时间依赖性进行建模的挑战。SparseTSF 的核心是交叉周期稀疏预测技术，通过降采样序列来专注于交叉周期
PDF2 months ago
双向 Mamba4TS：用于时间序列预测的双向 Mamba
提出了一种名为 Bi-Mamba4TS 的双向 Mamba 模型，通过采用补丁技术丰富了局部信息并精细捕捉时间序列的演化模式，同时结合数据集特征选择更合适的建模方法，实验证明该模型在七个真实数据集上相较于现有方法获得了更准确的预测结果。
PDF2 months ago
ATFNet：自适应时频集成网络用于长期时间序列预测
ATFNet 框架是一种创新性的方法，结合了时间域模块和频率域模块，可以同时捕捉时间序列数据中的局部和全局依赖关系，并在长期时间序列预测方面超越了当前最先进的方法。
PDF3 months ago
长期时间序列预测的吸引子记忆：混沌视角
在长期时间序列预测任务中，现有的深度学习模型忽视了离散时间序列起源于连续动态系统的关键特性，导致缺乏外推和演化能力。我们的模型 'Attraos' 将混沌理论引入长期时间序列预测中，将真实世界时间序列视为未知高维混沌动态系统的观测。在吸引子
PDF5 months ago
长期时间序列预测中的有效模型规模再思考
通过条件相关性和自相关性作为研究工具，我们引入了一种轻量级的 HDformer 模型，该模型使用分层分解技术，不仅推翻了模型扩展的趋势，而且在大量减少计算和参数的同时实现了精确的长期时间序列预测，超越了现有的最先进模型，表明在长期时间序列预
PDF5 months ago
长期时间序列预测的线性专家混合模型
使用 Mixture-of-Linear-Experts (MoLE) 方法可以降低线性中心模型的预测误差，并在大多数数据集和设置上实现最先进的长期时间序列预测结果。
PDF7 months ago
基于分解和神经常微分方程的长期时间序列预测
LTSF-DNODE is proposed as a solution to the limitations of Linear-based LTSF models and Transformer-based approaches, sh
PDF8 months ago
基于 Transformer 的长期时间序列预测的系统综述
深度学习在时间序列预测方面取得了显著进展，其中 Transformer 架构在处理长序列的语义相关性方面表现出色。研究综述了 Transformer 架构及其改进方法在长期时间序列预测任务中的应用，总结了公开的长期时间序列预测数据集和评估指
PDF8 months ago
时间序列预测的通道独立策略是否最优？
本研究提出了一种名为 CSC 的简单而有效的策略，用于线性模型，它提高了 CI 策略的性能并减小了参数大小，同时大大缩短了训练时间，并且还提出了一种基于自聚类的深度模型方法 CR，以及对于使用相同频道的历史值作为输入来预测未来值的讨论。研究
PDF9 months ago
ARM：具有自适应时态上下文学习的多元预测优化
长期时间序列预测面临处理复杂的时间 - 上下文关系的挑战，因此引入了 ARM 方法，该方法通过 Adaptive Univariate Effect Learning (AUEL)、Random Dropping (RD) 训练策略和 Mu
PDF9 months ago
多元时间序列预测的进展：全面基准测试和异质性分析
使用 BasicTS 基准测试来解决多元时间序列预测中公正对比问题，并通过对丰富的多元时间序列数据集进行详尽的性能和效率比较，为研究人员选择和设计多元时间序列预测模型提供洞见。
PDF9 months ago
TFDNet：基于时频增强分解网络的长期时间序列预测
提出了一种 Time-Frequency Enhanced Decomposed Network (TFDNet) 方法，用于从时频域捕捉长期潜在模式和时间周期性，通过多尺度的时频增强编码器支撑和两个独立的趋势和季节时频块来捕捉多分辨率中分
PDF10 months ago
SegRNN：用于长期时间序列预测的分段循环神经网络
RNN domain prominence has declined in Long-term Time Series Forecasting due to limitations with long look-back windows a
PDF10 months ago
PETformer: 基于占位符增强的长期时间序列预测变压器
该论文研究了在应用 Transformer 进行长期时间序列预测（LTSF）任务时的三个关键问题：时间连续性、信息密度和多通道关系，并提出了三种创新解决方案，构建了一种名为 PETformer 的新模型，通过广泛的实验证明 PETforme
PDFa year ago
MPPN: 多分辨率周期模式网络用于长期时间序列预测
本文提出了一种新颖的深度学习网络结构 MPPN，用于长期时间序列预测，该结构采用多分辨率语义单元、多周期模式挖掘和通道自适应模块来捕捉时间序列的本质模式，并提出了基于熵的评估方法来提高预测精度。在九个真实世界基准测试中，实验结果表明，MPP
PDFa year ago
跨变量线性集成增强变压器模型用于多元长期时间序列预测
本研究设计了一个掩模时间序列实验来验证注意力模块在捕捉跨时间依赖方面的有效性，并提出了一种名为 Client 的先进模型，它采用线性模块学习趋势信息和注意力模块捕捉跨变量依赖关系，并将位置和解码器模块进行了简化，Client 通过加入非线性
PDFa year ago