PulseAugur
中
实时 00:05:25
English(EN) MSMixer: Learned Multi-Scale Temporal Mixing with Complementary Linear Shortcut for Long-Term Time Series Forecasting

MSMixer模型通过多尺度时间混合增强长期时间序列预测能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出MSMixer，这是一种新颖的多尺度MLP架构，专为长期时间序列预测而设计。该模型使用并行分支同时处理不同时间分辨率（1x、4x和16x）的数据，并通过可学习的门控动态加权其输出。MSMixer还集成了DLinear捷径以捕捉更广泛的趋势和季节性信息，在ETT基准测试中取得了强大的性能，并且参数量远少于基于Transformer的模型。 AI

影响 为长期时间序列预测引入了一种参数效率更高的架构，有可能在资源受限的应用中提高性能。

排序理由 这是一篇详细介绍时间序列预测新模型架构的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

MSMixer模型通过多尺度时间混合增强长期时间序列预测能力

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Ahmed Cherif ·

    MSMixer：用于长期时间序列预测的学习多尺度时域混合与互补线性捷径

    arXiv:2605.02689v1 Announce Type: new Abstract: Long-term time series forecasting requires models that simultaneously capture rapid oscillations, medium-range periodicities, and slowly evolving macro-trends from a fixed look-back window. Existing lightweight MLP-based models typi…

  2. arXiv cs.LG TIER_1 English(EN) · Ahmed Cherif ·

    MSMixer：用于长期时间序列预测的学习多尺度时间混合与互补线性快捷方式

    Long-term time series forecasting requires models that simultaneously capture rapid oscillations, medium-range periodicities, and slowly evolving macro-trends from a fixed look-back window. Existing lightweight MLP-based models typically operate on a single temporal resolution, l…

相关实体

相关话题