SiamTST：面向增强型多变量时间序列预测的新型表示学习框架
机器学习
2024-07-03 v1 人工智能
摘要
我们介绍SiamTST，这是一个用于多变量时间序列的新型表示学习框架。SiamTST将Siamese网络与注意力机制、通道独立分块和归一化技术相结合，以实现卓越的性能。在真实的工业电信网络数据集上进行评估，SiamTST在预测准确率方面显著优于现有方法。值得注意的是，一个简单的线性网络也显示出竞争性能，仅次于SiamTST。代码已公开于https://github.com/simenkristoff/SiamTST。
引用
@article{arxiv.2407.02258,
title = {SiamTST: A Novel Representation Learning Framework for Enhanced Multivariate Time Series Forecasting applied to Telco Networks},
author = {Simen Kristoffersen and Peter Skaar Nordby and Sara Malacarne and Massimiliano Ruocco and Pablo Ortiz},
journal= {arXiv preprint arXiv:2407.02258},
year = {2024}
}
备注
14 pages, 3 figures, public codebase