适应模态的时间序列预测变形器
原文中文，约300字，阅读约需1分钟。发表于：。通过开发一种名为 Modality-aware Transformer 的新型多模态变压器，我们旨在解决多模态时间序列预测的复杂挑战，并在金融数据集上进行了广泛实验，证明其优于现有方法，提供了一种新颖而实用的解决方案。
本文提出了一种基于Transformer的方法，用于估计高维多变量时间序列的联合预测分布。该方法基于注意力机制的解码器，能够可靠地模拟非参数Copulas的特性，具有多种有用的属性，可以缩放到数百个时间序列，支持预测和插值，可以处理非对齐和不均匀采样的数据，并可以在训练期间无缝地适应缺失数据。实证结果表明，该模型在多个真实数据集上都可以产生有竞争力的预测效果。
