代码:github.com/thuml/TimesN 引用量:29 本文以时序多周期性为出发点,将复杂的时间变化分解为多个周期内和周期间的变化,将一维时间序列转换为一组基于多个周期的二维张量,应用二维卷积核建模,提取复杂的时间变化,显著提升了TimesNet在五种主流时间序列分析任务(短期和长期预测、填补、分类和异常检测)的表现。 雷达...
TimesNet在实验中展现出了显著的性能提升，特别是在长短期预测任务中，其通过有效地捕捉数据中的多周期性，实现了对复杂时间序列的有效建模与预测。模型的代码已开源，读者可以自行研究实现细节，并应用到实际时间序列分析任务中。TimesNet的贡献在于其创新的多周期性建模策略，能够更好地适应具有复杂周期性特...