放大器：将注意力引向时间序列预测中被忽视的低能量成分

我们提出了一种能量放大技术，以解决现有模型在时间序列预测中容易忽视低能量成分的问题。该技术包含能量放大模块和能量恢复模块。能量放大模块通过提升低能量成分的能量来提高模型对这些成分的学习效率，而能量恢复模块则将能量恢复到原始水平。此外，考虑到能量放大后的数据在频谱中通常显示两种不同的能量峰，我们将能量放大技术与季节性-趋势预测器集成，以独立地建模这两种峰的时间关系，作为我们提出模型的主干。此外，我们提出了一种半通道交互式时序关系增强模块，用于放大器，提升了模型从数据中每个通道的常规性和特定性捕获时序关系的能力。对八个时间序列预测基准进行大量实验，始终证明我们的模型在有效性和效率方面均优于当前最先进的方法。