比时序预测更具挑战性：港科大提出不规则时间序列预测任务新基准与方案 | ICML 2024

文章预览

背景 尽管多变量时间序列（MTS）预测已受到广泛研究，但大多数工作主要聚焦于规则采样且完整观测的 MTS。相比之下，不规则多变量时间序列（IMTS）预测中存在的挑战，即不规则的采样频率及数据缺失问题，却未得到足够重视。实际上，IMTS 在医疗保健、生物力学、气候科学、天文学以及金融等多个科学领域十分常见。准确预测 IMTS 对于支持从决策制定到前瞻性规划等各类关键活动至关重要。 与采样规则的 MTS 不同，由于 IMTS 序列内的不规则性 和 序列间的异步性 ，IMTS 的建模与分析更具挑战性。如图 1（a）所示，给定一组历史 IMTS 观测值及预测查询，IMTS 预测问题的核心目标是准确地预测出与这些预测查询相对应的值。 目前，IMTS 的研究主要集中在分类任务上，而对于预测任务的研究相对较少。之前的一些工作如，Latent-ODE [1] 、GRU-ODE-Bayes [2] ………………………………