清华大学最新发布：统一时序预测模型，上下文长度首次扩展至千级别，适用各类数据集

文章预览

点关注，不迷路，用心整理每一篇算法干货~ 后台留言” 交流 “， 加入圆圆算法交流群~ 👇🏻扫码👇🏻 加入 圆圆算法知识星球~ （ 已有 870+ 同学加入学习， 700+ 干货笔记） 今天给大家介绍一篇清华大学的时间序列预测最新工作，提出了统一的Transformer时序预测模型，能同时处理单变量和多变量时序预测，并将时序预测的上下文长度首次扩充到千级别。 论文标题 ：TIMER-XL: LONG-CONTEXT TRANSFORMERS FOR UNIFIED TIME SERIES FORECASTING 下载地址 ： https://arxiv.org/pdf/2410.04803v1 1 背景 构建类似NLP领域的统一大模型是时序预测领域近期研究的焦点。虽然前序已经涌现很多工作，但是这些建模方法只能处理最多几百长度的上下文序列，比如根据历史200个数据点预测未来时刻的序列值。而NLP中的建模可以利用千级别甚至万级别的上下文信息。历史序列长度的不足，导致时 ………………………………