D2Vformer：基于时间位置嵌入的灵活时间序列预测模型
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了现有时间序列模型在捕捉复杂时间位置信息和嵌入利用方面的局限性。提出的D2Vformer模型能够直接处理预测序列与输入序列不相邻或长度动态变化的情况，显著节省训练资源。实验结果表明，D2Vformer在固定长度和可变长度预测任务中均优于最先进的方法。
时间序列分析与视觉或自然语言处理在定义自监督学习任务方面有区别。引入了一种名为Series2Vec的自监督表示学习方法，通过预测时间和频谱域中两个序列之间的相似性来解决问题。实验证明，Series2Vec在真实数据集和UCR/UEA存档上表现优于其他自监督技术，并在有限标记数据集上高效。与其他表示学习模型融合，可以提高时间序列分类性能。
