TripCast：用于旅行时间序列预测的遮罩2D变换器预训练
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对旅游行业时间序列预测的独特挑战提出了TripCast模型，该模型将旅行时间序列视为2D数据，通过遮罩和重建过程进行学习。研究表明，TripCast在领域内的预测中显著超越其他先进基线，并在领域外的预测中展示出强大的可扩展性和迁移性。
我们重新设计了Transformer架构，提出了iTransformer模型。该模型通过反转注意力机制和前馈网络的职责，成功预测多变量时间序列，并在多个数据集上表现优异，成为有效的时间序列预测替代方案。
