WinNet：仅用一层卷积层实现高效时间序列预测
机器学习
2024-06-10 v2
摘要
深度学习模型近年来在时间序列预测中取得了显著的性能提升。我们提出了一种结构简洁且高精度的基于CNN的模型，仅含一个卷积层，称为WinNet，包括：(i) 子窗口划分块，将序列转换为二维张量；(ii) 双重预测机制，捕捉短期与长期变化；(iii) 二维混合分解（TDD）块，将二维张量分解为趋势项与季节项以消除非平稳性；(iv) 分解关联块（DCB），通过卷积层利用趋势项与季节项之间的相关性。在八个基准数据集上的结果表明，相较于基于CNN、MLP和Transformer的方法，WinNet能够取得SOTA性能并降低计算复杂度。代码将发布于：https://github.com/ouwen18/WinNet。
引用
@article{arxiv.2311.00214,
title = {WinNet: Make Only One Convolutional Layer Effective for Time Series Forecasting},
author = {Wenjie Ou and Zhishuo Zhao and Dongyue Guo and Zheng Zhang and Yi Lin},
journal= {arXiv preprint arXiv:2311.00214},
year = {2024}
}