Directional Phase Increment Attention

新的POEM框架通过相位感知旋转解决时间序列预测问题

研究人员开发了POEM，一个旨在通过解决周期性漂移的挑战来改进时间序列预测的新型框架。这种漂移发生在时间序列中周期的时序和相位随时间变化时，这是当前方法因依赖固定时间网格而难以处理的问题。POEM利用基于特殊正交群SO(2)的潜在特征旋转来学习相位校正坐标，并对潜在特征应用可逆旋转，从而减少与相位相关的变异性。该框架结合了方向相位增量注意力（DPIA）来从历史相位增量中学习，并将其整合到未来的校正中，在实验中表现出有竞争力的性能。