研究人员推出了一种新颖的框架TiWeaver，旨在改进多元时间序列预测。该系统解决了不规则数据带来的挑战，例如缺失值和变化的采样率，这些都会产生复杂的时间依赖性。TiWeaver利用图引导自适应分词器将时间序列分割成上下文连贯的补丁，并利用细粒度异步依赖提取器来建模通道间关系，在12个数据集上取得了最先进的结果。 AI
影响 引入了一种处理时间序列数据中复杂时间动态的新方法，有可能提高金融和天气预测等领域的准确性。
排序理由 这是一篇描述时间序列预测新框架的研究论文。[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 →