Ada-MoGE：用于时间序列预测的自适应高斯混合专家模型
机器学习
2025-12-03 v1 人工智能
计算工程、金融与科学
摘要
multivariate time series 预测在工业、交通和金融等领域广泛应用。然而，随着数据谱分布的演变，时间序列中占主导地位的频率可能会发生变化。采用固定专家数量的传统混合专家（MoE）模型难以适应这些变化，导致频率覆盖不平衡问题。具体而言，专家数量太少会导致关键信息被忽视，而数量过多则会引入噪声。为此，我们提出了 Ada-MoGE，一种自适应高斯混合专家模型。Ada-MoGE 集成了谱强度和频率响应，自适应确定专家数量，确保与输入数据频率分布的一致性。该方法既防止了因专家数量不足导致的信息损失，也避免了因专家数量过多导致的噪声引入。此外，为防止直接带截取引入噪声，我们采用高斯带通滤波平滑分解频域特征，进一步优化特征表示。实验结果表明，该模型在六个公开基准数据集上实现了仅需 0.2 百万参数的领先性能。
引用
@article{arxiv.2512.02061,
title = {Ada-MoGE: Adaptive Mixture of Gaussian Expert Model for Time Series Forecasting},
author = {Zhenliang Ni and Xiaowen Ma and Zhenkai Wu and Shuai Xiao and Han Shu and Xinghao Chen},
journal= {arXiv preprint arXiv:2512.02061},
year = {2025}
}