PulseAugur
中
实时 09:44:40
English(EN) NPMixer: Hierarchical Neighboring Patch Mixing for Time Series Forecasting

NPMixer架构通过分层块混合增强时间序列预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的分层架构NPMixer，旨在改进多元时间序列预测。该模型采用可学习平稳小波变换，将信号自适应地分解为趋势和细节分量。其关键特征是相邻混合块（Neighboring Mixer Block），它利用MLP处理非重叠块来捕捉局部时间动态和多尺度依赖性。实验表明，NPMixer在绝大多数评估场景中均优于现有最先进模型，取得了卓越的性能。 AI

影响 这种新架构有望在复杂时间序列数据中实现更准确的预测，造福依赖预测的领域。

排序理由 该集群包含一篇详细介绍时间序列预测新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

NPMixer架构通过分层块混合增强时间序列预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jung Min Choi, Vijaya Krishna Yalavarthi, Lars Schmidt-Thieme ·

    NPMixer: Hierarchical Neighboring Patch Mixing for Time Series Forecasting

    arXiv:2605.07476v2 Announce Type: replace Abstract: Multivariate time series forecasting remains a challenge due to the complexity of local temporal dynamics and global dependencies across multiple variables. In this paper, we propose \textbf{N}eighboring \textbf{P}atching \textb…

相关实体

相关话题