文章预览
本文 约3500字 ,建议阅读 7 分钟 本文介绍本组ICLR2024时间序列预测方向的最新工作:iTransformer: Inverted Transformers Are Effective for Time Series Forecasting。 作者: 刘雍*,胡腾戈*,张淏然*,吴海旭,王世宇,马琳涛,龙明盛 链接: https://arxiv.org/abs/2310.06625 代码: https://github.com/thuml/iTransformer 1.引言 近年来,Transformer在自然语言以及计算机视觉领域取得了长足的发展,逐渐成为深度学习的基础模型。在时序分析领域,受益于其强大的序列建模能力与可扩展性,Transformer广泛应用于时序预测,派生出了许多模型改进。 Transformer用于时序分析的结构分类 然而,受传统机器学习方法启发,近期涌现的线性预测模型,比起相对更复杂的Transformer及其变体,能够取得相当甚至更好的效果。由此,针对Transformer是否适合时序预测,引发了热烈讨论。 通过分析大量预测场景
………………………………