SSDNet：用于时间序列预测的状态空间分解神经网络
机器学习
2021-12-21 v1
摘要
在本文中，我们提出 SSDNet，一种用于时间序列预测的深度学习新方法。SSDNet 将 Transformer 架构与状态空间模型结合，提供概率化且可解释的预测，包括趋势与季节性分量以及对预测重要的先前时间步。Transformer 架构用于直接且高效地学习时间模式并估计状态空间模型的参数，无需卡尔曼滤波。我们在五个数据集上全面评估 SSDNet 的性能，表明 SSDNet 在精度与速度上均是一种有效方法，优于最先进的深度学习与统计方法，且能提供有意义的趋势与季节性分量。
引用
@article{arxiv.2112.10251,
title = {SSDNet: State Space Decomposition Neural Network for Time Series Forecasting},
author = {Yang Lin and Irena Koprinska and Mashud Rana},
journal= {arXiv preprint arXiv:2112.10251},
year = {2021}
}
备注
ICDM 2021 Regular paper