变体嵌入：建模多变量时间序列相关性
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了多变量时间序列预测中当前模型无法有效捕捉变量之间相关性的问题。提出的变体嵌入（VE）管道通过结合混合专家（MoE）和低秩适应（LoRA）技术，为每个变量学习一致的嵌入，从而提升预测性能并控制参数规模。实验结果证明该方法能有效分组相似时间模式的变量，并改善多变量预测的效果。
深度学习应用发现，多元时间序列预测中的单变量模型常优于多元模型。引入了构建辅助时间序列（CATS）的方法，通过生成辅助时间序列（ATS）来表示和整合序列间关系进行预测。CATS实现了最先进的水平，减少了复杂性和参数，是一种高效且可迁移的MTSF解决方案。
