RPMixer：利用随机投影革新大规模时空数据的时间序列预测
机器学习
2024-06-13 v4 人工智能
摘要
时空预测系统在解决众多现实世界挑战中发挥着至关重要的作用。本文研究了利用通用时间序列预测模型（即不利用节点间空间关系的模型）解决时空预测问题的潜力。我们提出了一种名为 RPMixer 的全多层感知机（all-MLP）时间序列预测架构。选择 all-MLP 架构是因为其在时间序列预测基准测试中最近取得了成功。此外，我们的方法利用了深度神经网络的集成式行为，即网络内的每个独立模块表现得像集成模型中的基学习器，特别是在结合了恒等映射残差连接时。通过将随机投影层集成到我们的模型中，我们增加了各模块输出之间的多样性，从而提高了网络的整体性能。在最大的时空预测基准数据集上进行的广泛实验表明，所提出的方法优于替代方法，包括时空图模型和通用预测模型。
引用
@article{arxiv.2402.10487,
title = {RPMixer: Shaking Up Time Series Forecasting with Random Projections for Large Spatial-Temporal Data},
author = {Chin-Chia Michael Yeh and Yujie Fan and Xin Dai and Uday Singh Saini and Vivian Lai and Prince Osei Aboagye and Junpeng Wang and Huiyuan Chen and Yan Zheng and Zhongfang Zhuang and Liang Wang and Wei Zhang},
journal= {arXiv preprint arXiv:2402.10487},
year = {2024}
}