轻松产出创新点!多元时间序列最新可参考成果,高性能高精度

今天给大家推荐一个好挖创新点的研究方向:多元时间序列。

多元时间序列是我们解决复杂系统分析和预测问题的重要工具。它通过综合分析多个相关时序数据,可以给我们提供更精准的预测结果,非常适合处理涉及多个变量和多个时间点数据的场景,比如交通预测、金融市场分析等,因此拥有广泛的应用范围,创新潜力十分可观。

比如川大、港科大、北理工联合发表的多元时间序列预测新工作MSGNet,使用频域分析和自适应图卷积捕获多个时间尺度上的变化序列间相关性,性能超越时序分析五边形战士TimesNet。

除此之外,今年多元时间序列相关的研究新进展也有不少,我简单整理了15篇给同学们作参考,开源代码已附,方便各位复现。

论文原文以及开源代码需要的同学看文末

MSGNet: Learning Multi-Scale Inter-Series Correlations for Multivariate Time Series Forecasting

方法:本文介绍了一种新的深度学习模型MSGNet,MSGNet的关键组成部分包括:尺度学习和转换层、多重图卷积模块和时间多头注意力模块。通过频域分析和自适应图卷积来捕捉不同时间尺度上的不同序列之间的相关性。MSGNet在5个数据集上实现了最佳性能,在2个数据集上实现了次佳性能。在Flight数据集上,MSGNet超过了当前的最佳模型TimesNet。

创新点:

  • MSGNet设计的多尺度自适应图卷积模块:MSGNet通过自适应图卷积模块学习多尺度间的复杂关系,有效捕捉多尺度间的变化的跨时间序列的相关性。

  • 多头自注意力机制:MSGNet利用多头自注意力机制捕捉序列内部的时间依赖关系,通过对序列进行多尺度的表示学习,从而更好地预测多变量时间序列。

Fully-Connected Spatial-Temporal Graph for Multivariate Time-Series Data

方法:论文提出一种用于多变量时间序列(MTS)数据的表示学习方法,该方法能够全面模拟和捕捉MTS数据中的时空依赖关系,通过构建全连接的时空图和引入移动池化GNN层来实现这一目标,并通过与现有方法的比较和消融实验验证其有效性。

创新点:

  • 提出了完全连接的时空图(Fully-Connected Spatial-Temporal Graph)来明确建模多个时间戳之间和每个时间戳中传感器之间的相关性。通过设计基于时间距离的衰减矩阵,改进了构建的图,有效地建模了MTS数据中的时空依赖关系。

  • 提出了移动池化图神经网络层(Moving-Pooling GNN Layer),用于有效捕捉构建的图中的时空依赖关系,从而学习到有效的表示。它引入了移动窗口来考虑局部的时空依赖关系,然后进行时序池化操作以提取高级特征。

  • FC-STGNN在C-MAPSS数据集的RUL预测任务中实现了11.62的RMSE,在UCI-HAR数据集上实现了95.81%的准确率,在ISRUC-S3数据集上实现了80.87%的准确率,显著优于其他先进方法,并在模型复杂度方面展现了较低的计算需求和训练时间,证明了其在实际系统部署中的实用性。

SiMBA: Simplified Mamba-based Architecture for Vision and Multivariate Time series

方法:本文提出了一种名为EinFFT的新颖的频域信道混合方法,解决了Mamba中的稳定性问题,并在时间序列和ImageNet数据集上验证了该方法;同时,还提出了一种名为SiMBA的经过优化的Mamba架构,SiMBA是为了处理视觉和多元时间序列数据而设计的。

创新点:

  • EinFFT是一种新的频域信道建模技术,通过使用Einstein矩阵乘法来解决Mamba中的不稳定性问题。EinFFT利用复数表示的频率分量,有效地捕捉图像块数据中的关键模式,并具有全局视图和能量压缩。该技术不仅适用于图像数据,还适用于其他序列数据模态,如时间序列、语音和文本数据。

  • SiMBA是一种优化的Mamba架构,用于CV任务。它使用EinFFT进行信道建模和Mamba进行令牌混合,以处理归纳偏差和计算复杂性。SiMBA是第一个在ImageNet数据集和六个标准时间序列数据集上与最先进的基于注意力的Transformer模型相媲美的SSM。

HDMixer: Hierarchical Dependency with Extendable Patch for Multivariate Time Series Forecasting

方法:论文提出了一种名为 HDMixer 的新型深度学习模型,旨在通过层次化的依赖关系和可扩展的补丁(patches)来增强模型对多元时间序列数据的预测性能。HDMixer通过引入可扩展长度的分块策略和层级依赖探索器(HDE),来捕捉不同维度间的交互作用。

创新点:

  • 长度可扩展的分区器(LEP):针对时间序列数据,引入了适应性扩展分区长度的LEP,以丰富时间序列分区的边界语义信息。这种策略可以避免峰值或周期的信息丢失,并且通过引入Patch Entropy Loss作为创新的分区指导,确保分区的准确性。

  • 分层依赖性探测器(HDE):HDE由多个堆叠的Mixer组成,每个Mixer都包含三个MLP来捕捉长期依赖、短期依赖和跨变量交互。HDE使用纯MLP实现,可以保持计算效率和易于实现的优势。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“多元时序”获取全部论文+代码

码字不易,欢迎大家点赞评论收藏

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/22306.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于 GhostNet 不同版本的图像识别

1、介绍 GhostNet 文章地址:[1911.11907] GhostNet: More Features from Cheap Operations (arxiv.org) 主要思想: 特征提取的时候,很多特征图是具有高度相似性的,也就是说存在许多的冗余特征图。 从另一个角度想,…

从零开始实现自己的串口调试助手(5) -实现HEX显示/发送/接收

实现HEX显示: HEX 显示 -- 其实就是 十六进制显示 --> a - 97(10) --> 61(16) 添加槽函数(bool): 实现槽函数: 注意: 注意QString 没有处理HEX显示的相关API 需要使用 toUtf-8 来 转换位QByteArry 类型, 利用其中的API 来处理HEX格式(toHex fromHex) vo…

【做一道算一道】字节实习笔试(A出来的两道)

快乐氛围 题意大概是派对上每个人的氛围值不同,值高的跟值低的打招呼,总氛围会产生变化,值相同的打招呼不产生变化,求整体派对的氛围值。 氛围值变化公式高值-低值 示例 输入: 3 2 4 0 输出: 8 意为&…

Kubernetes外部服务管理Ingress介绍

前言 在 Kubernetes 集群中,管理外部服务的访问和流量路由至关重要。通过使用 Ingress 控制器,我们能够实现对外部服务的有效管理,配置灵活的路由规则,并实现负载均衡和流量控制。 目录 一、Ingress 介绍 1. Ingress 概述 2.…

【求助】ansible synchronize 问题

求助贴,不是解答贴哈 最近把一台服务器从centos7.9升级到alibaba cloud linux3之后,出现了一个ansible的问题。 版本是ansible8.3.0ansible-core-2.15.3,在使用synchronize模块时,我使用了别名(比如web1)会…

Windows下搭建Cmake编译环境进行C/C++文件的编译

文章目录 1.下载Cmake2.安装MinGW-w643.进行C/C文件的编译 1.下载Cmake 网址:https://cmake.org/download/ 下载完成后安装,勾选“Add CMake to the system PATH for the current user" 点击Finish完成安装,在cmd窗口验证一下是否安…

C++并发之线程(std::thread)

目录 1 概述2 使用实例3 接口使用3.1 construct3.2 assigns3.3 get_id3.4 joinable3.5 join3.6 detach3.7 swap3.8 hardware_concurrency 1 概述 Thread类来表示执行的各个线程。   执行线程是指可以在多线程环境中与其他此类序列同时执行的指令序列,同时共享相同…

python使用pandas的常用操作

文章目录 安装导入主要数据结构常用方法和操作创建数据结构读取和写入数据数据选择和过滤数据操作基本统计分析分组和聚合合并和连接重塑数据1. pivot 和 pivot_table2. melt3. stack和 unstack 常用方法总结pandas操作excel安装相关库 读取单个工作表读取指定工作表读取多个工…

短视频矩阵系统源码---开发BS架构B/S(Browser/Server Architecture)架构

短视频矩阵系统源头开发------- 第一款叫做筷子科技,这个筷子科技剪辑和发布都是没有问题的,但是前一段时间他的剪辑发个公告,每个账号只能发两条,另外它的唯一缺点就是它成本比较高的,入门门槛应该在12800左右&#…

CHATGPT升级plus(已有账号前提下)

注册wildcard(虚拟卡) 注册号账号后先进行充值,充值后选择CHATGPT一键升级按照他的流程来即可 Wildcard网址:Wildcard跳转注册 填写邀请码充值时少两美金合计14¥ 邀请码:OL3QXTRH

【2022-2011年】地级市数字经济指数原始数据+测算dofile+结果

参照赵涛等(2020)的文章,利用熵值法对城市数字经济指数进行测算,包括原始数据、线性插值、回归填补3种版本下测算的数字经济指数。保留原始数据、stata代码和测算结果,大家可进行复现 一、数据介绍 数据名称&#x…

useState和store的区别

useState 和 useStore 是 React 应用中用于管理数据状态的两种不同的 Hook。它们在功能和用途上有一些区别: useState useState 是 React 提供的一个 Hook,用于在函数组件中添加局部状态。每个 useState 调用都会返回一个数组,包含两个元素…

Python爬虫协程批量下载图片

import aiofiles import aiohttp import asyncio import requests from lxml import etree from aiohttp import TCPConnectorclass Spider:def __init__(self, value):# 起始urlself.start_url value# 下载单个图片staticmethodasync def download_one(url):name url[0].spl…

电机启动器:变频驱动器故障的原因

变频驱动器 (VFD)是 一种电子电机控制器,用于调节同步或感应电机 的转速 并驱动电力行业的负载。VFD也称为变频器、逆变器驱动器、交流驱动器、可调频驱动器、可调速驱动器、微型驱动器或变速驱动器,其 功能是选择电压频率并在用于驱动电机之前改变它。 …

12年外贸人的肺腑之言

转自Vicky 大家好,作为一个有着12年外贸经验的老鸟,今天我要和大家分享一些宝贵的建议,这些建议可能会对你的外贸之路产生重大影响。拿好小本本,记好笔记,我们直接进入正题。 首先,如果你决心要在外贸领域…

几万块投入,预防几百万损失——客户风险管理如何高效落地?

作为公司的风控负责人,老张近来最头疼的莫过于某大客户突然暴雷,一次性“送”了公司几十万坏账。事后复盘,老张发现公司现有的客户风险管理体系已相对落后,不再适用于快速变化的商业环境: 客户风险定级依靠销售人员提…

哥斯拉、冰蝎、中国蚁剑在护网中流量特征分析,收藏起来当资料吧,24年护网用得上

护网哥斯拉、冰蝎、中国蚁剑流量分析 【点击免费领取】CSDN大礼包:《黑客&网络安全入门&进阶学习资源包》🔗包含了应急响应工具、入侵排查、日志分析、权限维持、Windows应急实战、Linux应急实战、Web应急实战。 护网中最担心的是木马已经到了服…

Java2实用教程上机实践9,10,11

前言 大家好呀,大家肯定遇到过学校布置的作业不会做的情况吧?这个时候大量的网上找资料,找如何做这道题,为了帮助用Java2实用教程(耿祥义 张跃平主编)的学子们拿满平时分,这里整理出这本书中比…

数据集成赛道重回数据领域兵家“必争之地”!

作者 | 郭炜 导读:此前,《技术成熟度曲线2024》第一、二部分内容已发布,详见《「从ETL 到ELT,到 EtLT的趋势」》、《数据集成成熟度模型解读》。本文为报告的最后一篇,主要对数据集成技术进行趋势预测与总结&#xff0…