English(EN) Dataset-Driven Channel Masks in Transformers for Multivariate Time Series

基于数据集的通道掩码增强了Transformer模型在时间序列上的性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-07 04:00

研究人员引入了一种称为部分通道依赖（PCD）的新方法，以改进Transformer模型在多元时间序列数据中捕获通道之间关系的方式。该方法利用特定于数据集的通道掩码，并将其集成到注意力矩阵中，以优化对通道依赖性的理解。该技术的有效性已在各种任务和模型架构中得到证明。 AI

影响为改进Transformer模型中的时间序列分析引入了一种新方法，有可能提高其在复杂数据集上的性能。

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了一种新的时间序列分析方法。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Seunghan Lee, Taeyoung Park, Kibok Lee · 2026-05-07 04:00

Dataset-Driven Channel Masks in Transformers for Multivariate Time Series

arXiv:2410.23222v3 Announce Type: replace Abstract: Recent advancements in foundation models have been successfully extended to the time series (TS) domain, facilitated by the emergence of large-scale TS datasets. However, previous efforts have primarily Capturing channel depende…