Bayesian Time-aware Attention

新研究应对长期时间序列预测挑战 · 跟踪 6 个来源

arXiv 上发表的多篇研究论文介绍了长期时间序列预测的新方法，解决了非平稳性和时间分布变化等挑战。TStruct 专注于学习共享的时间结构，而 Lotus 使用“预测接地”原则将时间序列数据与语言模型对齐。贝叶斯时间感知注意力 (BTA) 通过学习输入条件位置偏差来调整 Transformer 模型，而 VaryST 通过动态构建预测上下文将时空预测推广到闭世界设置之外。此外，CTIA-ODE 在 ODE 求解器中利用连续时间变量间…