Trend Restoration Attention

PMDformer模型通过新的注意力机制增强了长期时间序列预测能力

研究人员推出了一种新颖的基于Transformer的模型PMDformer，旨在改进长期时间序列预测。该模型利用补丁-均值解耦技术来更好地捕捉不同尺度和变量之间的形状相似性。此外，它还集成了趋势恢复注意力（Trend Restoration Attention）和近端变量注意力（Proximal Variable Attention）模块，以增强依赖性建模和跨变量关系。实验表明，PMDformer在准确性和稳定性方面均优于现有的最先进方法。