VisionTS：基于时间序列的图形构建高性能时间序列预测模型，利用图像信息进行时间序列预测

文章预览

来源：DeepHub IMBA 本文 约4000字 ，建议阅读 10+分钟 VisionTS作为一种创新的时间序列基础模型，在预测任务中展现出了卓越的性能。 构建预训练时间序列模型时面临的主要挑战是什么？获取高质量、多样化的时间序列数据。目前构建基础预测模型主要有两种方法： 迁移学习LLM： 通过针对时间序列任务定制的微调或分词策略，重新利用预训练的大型语言模型（LLM），如GPT-4或Llama。 从零训练： 构建大规模时间序列数据集，并从头开始预训练模型，以期望其能泛化到新数据。 尽管第一种方法可行（因为Transformer是通用计算引擎）但其效果并不理想。第二种方法已经取得了更显著的成功，如MOIRAI、TimesFM、TTM等模型所示。 然而这些模型似乎遵循扩展定律，其性能很大程度上依赖于大量时间序列数据的可用性——这又将我们带回到最初的挑战。 那么如果我 ………………………………