BriefGPT - AI 论文速递
·
BasisFormer: 可学习和可解释的基于注意力的时间序列预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
BasisFormer是一种端到端时间序列预测架构，利用可学习和可解释的基来获取基础。通过自适应的自监督学习获得基础，使用双向交叉注意力计算时间序列与基础之间的相似性系数，并根据相似性系数选择和整合未来视图中的基础，从而实现准确的未来预测。实验结果表明，BasisFormer在单变量和多变量预测任务中分别超过先前的最先进方法11.04%和15.78%。
🎯
关键要点
-
BasisFormer是一种端到端时间序列预测架构。
-
该架构利用可学习和可解释的基来获取基础。
-
通过自适应的自监督学习获得基础。
-
使用双向交叉注意力计算时间序列与基础之间的相似性系数。
-
根据相似性系数选择和整合未来视图中的基础。
-
实验结果显示，BasisFormer在单变量预测任务中超过先前的最先进方法11.04%。
-
在多变量预测任务中，BasisFormer超过先前的最先进方法15.78%。
🏷️
标签
➡️
