从动态视角看时间序列预测

尽管深度学习正通过Transformer在各类模态中趋同，但在时间序列预测任务中仍面临浅层线性模型的挑战。我们的假设是，模型应直接学习从过去数据点到未来数据点的映射，我们将其识别为学习动态能力。我们发展出一种原创的\texttt{PRO-DYN}术语来通过动态视角分析现有模型。两个观察结果随之而来：\textbf{1.}表现不佳的架构最多只部分学习动态，\textbf{2.}动态模块在模型末端的位置尤为重要。我们的系统性和实证研究在一组具有不同性能和多样化骨干结构的模型上确认了这些观察。我们提出一种简单易用的插即式方法，指导模型设计和改进。