研究人员开发了HAMON，一种用于长视界时间序列预测的新型无源光学系统。该系统将历史数据编码到光学孔径上，并使用可训练的相位掩模通过自由空间衍射直接在输出场中塑造预测，从而在推理过程中无需数字序列混合层。HAMON在ETTm2和ETTh2等基准测试中表现出卓越的性能，在MSE方面优于强大的数字基线高达14%，同时在天气数据上取得了有竞争力的结果，在交通和电力数据集上表现不一。 AI
影响 这种无源光学方法可能为序列混合提供新的基底，从而可能带来更高效的预测模型。
排序理由 该集群包含一篇详细介绍时间序列预测新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.17028v1 Announce Type: cross Abstract: Simple linear and frequency-domain models remain surprisingly competitive in long-horizon time-series forecasting, and recent mechanistic evidence suggests that standard forecasting benchmarks may not require the dense superposed …
Simple linear and frequency-domain models remain surprisingly competitive in long-horizon time-series forecasting, and recent mechanistic evidence suggests that standard forecasting benchmarks may not require the dense superposed representations that make transformers powerful in…