NeurIPS 2024 | 大道至简！时间序列预测真的需要复杂网络架构吗？简单滤波器就已足够

文章预览

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 点击  阅读原文  观看作者讲解回放！ 本篇论文的工作已被NeurlPS（Conference on Neural Information Processing Systems）2024 会议接收。本文作者主要来自国家信息中心、牛津大学、北京理工大学、同济大学、中国科学技术大学等。本文的主要作者也是NeurIPS 2023 FreTS和FourierGNN的作者。 时间序列数据广泛应用于各个领域，其精准的预测在能源、气象、医疗等应用中发挥着至关重要的作用。现有研究在不同网络架构的预测模型上进行了广泛探索，然而各种基于Transformer的模型仍然很受欢迎。像Transformer这样复杂的网络架构对时间序列预测真的有必要吗？ 我们发现目前这些先进的基于Transformer的时序预测模型，如iTransformer，仍然有对高频信号的响应较弱从而导致全频段信息利用受限、计算效率低下等问题，而这些 ………………………………