ICML 2024 | 上海交大发布UP2ME，首个多用途通用时间序列分析框架

文章预览

©作者 |  ReThinklab 单位 |  上海交通大学 背景 近年来，针对多变量时间序列分析的深度学习模型发展迅速，并被应用于多种不同的任务，如预测、缺失补全和异常检测等。在其中，很大一部分模型需要根据所执行任务的特性进行量身定制。例如，趋势-季节分解常被用于预测模型、条件扩散模型被用于缺失补全等。尽管这些方法非常有效，但为不同任务选择合适的特定方法也是非常困难的。 另外，即使在同一个任务中，当设置（例如预测长度）发生变化时，这类模型通常也需要从头重新训练。最近也有一些诸如 TimesNet 的通用时间序列分析架构被提出。这些模型保持主干网络的结构不变，通过更换输出头来执行不同的任务。但具体到不同的任务及其相应的设置时，模型的参数都需要从头开始训练。 自监督预训练是实现多用途通用模型的一种很有前 ………………………………