Sparsity Pattern Aggregation

新的Hopformer框架提升了时间序列预测的准确性

研究人员开发了Hopformer，一个旨在提高时间序列预测能力的新型两阶段框架。第一阶段采用稀疏模式聚合（SPA）方案来提取整合协变量的共同趋势，充当同质化层。第二阶段利用LoRA微调的Transformer来建模残差数据中的复杂依赖关系。该方法在理论上得到了SPA的预言机不等式和Transformer阶段的泛化界限的支持，在各种基准测试中平均MASE提高了6.56%，展示了新的最先进性能。