Rui Manuel Barreira

TIDES模型增强了选择性SSM中不规则时间序列的处理能力

研究人员推出了一种新的选择性状态空间模型变体TIDES，旨在改进对不规则时间序列数据的处理。与Mamba等现有选择性SSM不同，后者学习与物理时间偏离的依赖于输入的时步，TIDES则保持一致的时步，从而能够原生处理不规则时间戳。这种方法在保留选择性模型每个token的表达能力的同时，在时间序列分类和ODE回归等基准测试中取得了更好的性能，尤其是在处理不规则时间戳的数据集时。