自适应多尺度超图变换器用于时间序列预测
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了现有变换器方法在时间序列预测中的信息利用瓶颈和内在时间变化的双重挑战。提出的自适应多尺度超图变换器（Ada-MSHyper）通过引入超图学习模块和多尺度交互模块，增强了时间模式的综合交互。实验结果显示，Ada-MSHyper在各类时间序列预测中实现了最先进的性能，使得预测误差较现有方法平均降低了4.56%、10.38%和4.97%。
本研究提出了一种多尺度框架，显著提升了基于Transformer的时间序列预测模型的性能，消融研究验证了各项贡献的有效性。
