将脑启发的记忆视为扩散模型的先验，用于多变量时间序列预测

本研究聚焦于多变量时间序列预测中的时间模式建模问题，提出了一种脑启发的记忆模块，借助共享通道的语义与情节记忆，旨在更好地捕捉周期性与突发事件。研究表明，结合该记忆模块的扩散模型显著提高了预测的准确性与稳健性，验证了其在不同通道间捕捉多样性时间模式的有效性。