AAAI'25 | 时序预测新视角：将时序预测问题转换为层次分类任务增强特征多样性

文章预览

点关注，不迷路，用心整理每一篇算法干货~ 后台留言” 交流 “， 加入圆圆算法交流群~ 扫码加入 系统 深入 学习时间序列知识 （ 已有 1000+ 同学加入学习， 800+ 干货笔记） 今天给大家介绍一篇来自天津大学和新加坡科技研究局的工作，创新性地将时间序列预测问题重新形式化为层次分类任务增强特征多样性，为处理时间序列数据中的高熵特征提供了新的视角，显著提升了时间序列预测的性能。相关工作已经被AAAI 2025收录，代码已开源。 论文标题 ：Hierarchical Classification Auxiliary Network for Time Series Forecasting 下载地址 ：https://arxiv.org/pdf/2405.18975v2 代码地址 ：https://github.com/syrGitHub/HCAN 1 研究背景 深度学习由于其捕获序列关系的强大能力，显著提高了时间序列预测性能，并且在金融、天气预报、资源规划等领域被广泛应用。 然而，目前的时间序列预测 ………………………………