基于元转换网络的动态长期时间序列预测
原文中文，约300字，阅读约需1分钟。发表于：。该论文提出了 Meta-Transformer Networks (MANTRA) 来处理动态长期时间序列预测任务，实验结果表明该方法在多变量和单变量情况下至少比基线算法提高了 3%。
本文研究了基于Transformer的神经网络模型在负荷预测中的效果，并通过多种元启发式算法比较了各模型的性能。结果显示，元启发式增强的Transformer-based神经网络模型在负荷预测准确性方面表现出潜力，并提供了最佳超参数。
