不规则时间序列预测的连续时间线性位置嵌入
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了不规则采样时间序列预测中存在的间隔不均问题，建立了更加有效的模型。提出的CTLPE方法通过学习连续线性函数来编码时间信息，成功应对观察模式不一致和时间间隔不规则的挑战。实验结果表明，CTLPE在多个不规则采样时间序列数据集上表现优越，具有重要的实际应用潜力。
研究显示，使用全局标记和局部窗口的注意力图作为数据点的核表示，可以提高时间序列预测准确性，无需改变神经网络结构，MSE降低3.6%。该方法可替代分块嵌入方案，提升transformer模型性能。
