基于 TiDE 的长期预测：时间序列稠密编码器
机器学习
2024-04-05 v5 机器学习
摘要
近期研究表明，在长周期时间序列预测中，简单的线性模型可以优于若干基于 Transformer 的方法。受此启发，我们提出了一种基于多层感知机（MLP）的编码器-解码器模型——时间序列稠密编码器（TiDE），用于长周期时间序列预测，该模型兼具线性模型的简洁与快速，同时能够处理协变量与非线性依赖。理论上，我们证明了在若干假设下，我们模型的最简线性类比对于线性动力系统（LDS）可达到近最优误差率。在实验上，我们表明，我们的方法在流行的长周期时间序列预测基准上可以匹配或优于先前的方法，同时比最佳的基于 Transformer 的模型快 5–10 倍。
引用
@article{arxiv.2304.08424,
title = {Long-term Forecasting with TiDE: Time-series Dense Encoder},
author = {Abhimanyu Das and Weihao Kong and Andrew Leach and Shaan Mathur and Rajat Sen and Rose Yu},
journal= {arXiv preprint arXiv:2304.08424},
year = {2024}
}