时间序列预测的Mamba基础模型
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了时间序列基础模型在数据稀缺情况下预测精度不足的问题。提出的TSMamba模型基于Mamba架构，采用线性复杂度设计，并通过预训练的模型进行两阶段迁移学习，有效提高了预测准确性。实验表明，TSMamba在零-shot性能上与最先进的模型相当，且使用的训练数据显著减少。
本研究提出了TSMamba模型，旨在解决时间序列基础模型在数据稀缺情况下的预测精度问题。该模型基于Mamba架构，采用线性复杂度设计，并通过预训练模型进行迁移学习，显著提升了预测准确性。实验结果表明，TSMamba在零-shot性能上与先进模型相当，同时所需训练数据显著减少。
