文章预览
文章介绍了 Mamba 作为一种选择性状态空间模型在时间序列预测中的应用，特别是在解决 Transformer 模型存在的计算效率问题方面。本文提出了一个名为 Simple-Mamba (S-Mamba) 的模型，该模型利用 Mamba 的近线性复杂度优势，结合线性标记化、双向 Mamba 层、前馈网络以及线性映射层来有效地进行时间序列预测。通过在多个公共数据集上的实验， S-Mamba 不仅展示了低计算开销，而且在预测性能上也达到了领先水平。 1 Transformer与Mamba对比 Transformer 优势： Transformer模型在时间序列预测中展现了强大的效能，主要是因为它们能够很好地捕捉时间序列中的模式和依赖关系。 具有并行计算的能力，使得模型可以同时处理序列中的所有元素，这有助于加速训练过程。 自注意力机制使Transformer能够处理长距离依赖，这对于时间序列预测尤为重要。 Transformer 局限性： Transf
………………………………
