EffiCANet：基于卷积注意力的高效时间序列预测
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了多变量时间序列数据预测中长期依赖性和复杂变量关系建模不足的问题。提出的EffiCANet模型通过引入大内核分解卷积、变量间组卷积和全局时间-变量注意力机制，显著提升了预测精度并提高了计算效率。实验证明，该模型在九个基准数据集上的MAE降低最大达到10.02%，并且相较于传统的大内核卷积方法计算成本降低了26.2%。
本研究提出EffiCANet模型，旨在解决多变量时间序列预测中的长期依赖性和复杂关系问题。该模型利用大内核分解卷积等技术，显著提升了预测精度和计算效率，MAE降低最大10.02%，计算成本降低26.2%。
