大型时间序列模型训练中不同设计选择的理解
原文中文，约500字，阅读约需1分钟。发表于：。基于大型语言模型（LLMs）的启发，时间序列预测（TSF）正在向基于 Universal-Transformer 的大型时间序列模型（LTSMs）过渡，旨在为 TSF 训练通用模型。然而，在异构时间序列数据上训练 LTSMs 面临着多样的挑战，包括数据集之间不同的频率，维度和模式。我们通过综合分析设计选择，并旨在确定训练 LTSM...
基于大型语言模型的启发，时间序列预测正在向基于Universal-Transformer的大型时间序列模型过渡，以提高性能。通过综合分析设计选择，并提出了一种新的统计提示策略。实证结果表明，该模型在基准数据集上具有卓越的性能。
