BriefGPT - AI 论文速递
·
适应性提取网络用于多元长序列时间序列预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
自适应时变卷积网络（ATVCNet）通过多分辨率卷积和可变形卷积操作，在多变量时间序列的建模方面取得了显著改进。实验结果显示，ATVCNet相较于现有的MLSTF模型性能提高了近63.4%。
🎯
关键要点
- 自适应时变卷积网络（ATVCNet）通过多分辨率卷积和可变形卷积操作实现显著改进。
- ATVCNet在多变量时间序列的局部/全局时间依赖和变量间依赖建模方面表现优异。
- 使用不同扩张因子的卷积核扩大感受野，捕捉不同分辨率间的时间相关信息。
- 附加的偏移向量自适应调整采样位置，增强网络捕捉变量间相关特征的能力。
- 通过提取和融合不同分辨率的时间序列特征，捕捉局部背景信息和全局模式。
- 设计的变量间特征自适应提取模块捕捉时间序列中不同变量间的相关性。
- 实验结果显示，ATVCNet相较于现有的MLSTF模型性能提高了近63.4%。
➡️
