多元 de Bruijn 图：用于时间序列预测的符号图框架
机器学习
2025-07-04 v3
摘要
由于时间异质性、高维性以及缺乏固有的符号结构，时间序列预测对基础模型而言仍是一项具有挑战性的任务。在本工作中，我们提出了 DRAGON（在 de Bruijn 图上的离散表示与增强图编码），这是一种新颖的编码器，引入了多元 de Bruijn 图以弥合符号表示与神经建模之间的差距。DRAGON 将连续输入序列离散化，并将其映射到固定的图结构上，通过基于图的注意力机制实现动态上下文恢复。作为辅助模块集成在双分支架构中，DRAGON 用符号化、结构感知的表示增强了传统的基于 CNN 的编码器。本研究开发的所有代码可在以下地址获取：https://github.com/KurbanIntelligenceLab/MultdBG-Time-Series-Library
关键词
引用
@article{arxiv.2505.22768,
title = {Multivariate de Bruijn Graphs: A Symbolic Graph Framework for Time Series Forecasting},
author = {Mert Onur Cakiroglu and Idil Bilge Altun and Mehmet Dalkilic and Elham Buxton and Hasan Kurban},
journal= {arXiv preprint arXiv:2505.22768},
year = {2025}
}