.png){kind=icon}
返回
A visual analytics framework for unveiling multi-scale patch decomposition in transformer-based time-series forecasting
.png){kind=icon}
PRE
AI
DOI：10.1007/s12650-025-01092-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于Transformer的模型在时间序列预测中表现出强大的性能，但它们在捕捉多尺度时间模式方面常常面临挑战，且缺乏可解释性。我们提出了一种用于Transformer-based时间序列预测的多尺度补丁分解的可视化分析框架，该框架整合了一种新颖的预测模型与交互式可视化分析系统。该模型被称为MSPT模型，引入了一种多尺度时间补丁机制，将时间序列分解为尺度特定的组件，并融入了内补丁、跨补丁和跨通道注意力机制，以捕捉丰富的时序依赖关系并提高预测精度。为进一步增强可解释性，我们开发了MSPT-vis可视化分析系统，该系统通过协同视图揭示注意力分布、补丁效果和预测误差，实现了人机协同探索和模型优化。在六个公开数据集上的大量实验表明，MSPT模型优于三种当前最先进的基线模型，而消融研究验证了其核心组件的贡献。专家评估进一步强调了MSPT-vis在诊断模型行为和指导参数配置方面的实用性。整个框架可在以下地址获取：https://gitee.com/btbuvislab/ mspt.
Keyword:
Visual analytics
Transformer
Multi-scale patch
Time-series forecasting
期刊
J
IF:
2.3
论文数:
51
被引数:
1.7K
机构
引用论文
.png){kind=icon}
Visual comparison of hierarchies with inherited attributes: application to multi-regional MRL standards in food safety层次结构中具有继承属性的视觉比较：在食品安全中应用多区域MRL标准
PREAI
分享收藏mTSeer: Interactive Visual Exploration of Models on Multivariate Time-series ForecastmTSeer：多变量时间序列预测模型的交互式可视化探索
PREAI
分享收藏
PGD-GP: A Chinese Named Entity Recognition Model for Constructing Food Safety Standard Knowledge GraphPGD-GP：构建食品安全标准知识图谱的中文命名实体识别模型
PREAI
分享收藏
查看更多内容