可逆实例归一化（RevIN）在时间序列预测中的作用
机器学习
2026-03-13 v1
摘要
数据归一化是深度学习模型中的关键组成部分，但在时间序列预测中，其作用仍不够被充分理解。在本文中，我们识别了时间序列预测中归一化的三个核心挑战：时间输入分布漂移、空间输入分布漂移以及条件输出分布漂移。在此背景下，我们重新审视了广泛使用的可逆实例归一化（RevIN），通过消融实验表明其多个组件是冗余的，甚至是有害的。基于这些观察，我们提出新的视角来提高 RevIN 的鲁棒性和泛化能力。
引用
@article{arxiv.2603.11869,
title = {On the Role of Reversible Instance Normalization},
author = {Gaspard Berthelier and Tahar Nabil and Etienne Le Naour and Richard Niamke and Samir Perlaza and Giovanni Neglia},
journal= {arXiv preprint arXiv:2603.11869},
year = {2026}
}