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
………………………………
