清华联合蚂蚁提出TimeMixer，可分解多尺度融合的时序预测模型 | ICLR 2024

文章预览

©PaperWeekly 原创 · 作者 |  杜大钊 单位 |  中科院软件所 研究方向 |  时序建模 本文介绍清华和蚂蚁集团在今年发表在 ICLR 2024 上的一篇文章，也是基于 MLP 来做时间序列预测任务的。 论文标题： TimeMixer: Decomposable Multiscale Mixing for Time Series Forecasting 论文链接： https://openreview.net/pdf?id=7oLshfEIC2 代码链接： https://github.com/kwuking/TimeMixer Key Point 整个文章的 idea 是，对一个原始的时间序列，用不同的频率来采样它，得到的新的序列所蕴含的时域信息是不同的。比如用电量序列，如果以每小时采样，那它就呈现以天为周期的形式；如果以每天采样，那它就可能呈现以周末、节假日相关的波动。 因此，如何利用好不同尺度的序列（即用不同频率采样得到的序列）之间的关系，对时序预测任务很重要。这个 idea 有点类似于 NHits 和 Scaleformer，这两篇我在之前的文 ………………………………