.png){kind=icon}
返回
DPatchformer: A Deformable Patch Transformer with Intra-Patch and Inter-Patch Interactions for Multivariate Time Series Forecasting
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-026-05281-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出DPatchformer，一种用于多变量时间序列预测的新型深度学习模型。为解决固定补丁操作导致的语义损失问题，我们引入可变形补丁机制，根据数据特征动态调整子序列划分，增强模型捕捉多尺度特征的能力。此外，我们提出两种Intra-patch增强方法——Intra-patch Attention和Intra-patch Linearization，以更好地建模每个补丁内相邻时间步之间的依赖关系。采用简单有效的Feature-Mixing MLP捕捉多变量数据集中的变量间交互。在ETT和Weather等基准数据集上的大量实验表明，DPatchformer优于大多数最先进模型，尤其在捕捉复杂时序模式方面表现突出。消融研究系统验证了三个核心组件的有效性：可变形补丁机制、Intra-patch增强和Feature-Mixing策略。与Transformer基线相比，我们的架构为多变量时间序列预测建立了新的有效性基准。
Keyword:
Multivariate time series forecasting
Deformable patch
Intra-patch Attention
Feature-Mixing MLP
Inter-patch Attention
期刊
IF:
2.1
论文数:
877
被引数:
4.6K
机构
引用论文
ConFuse: Convolutional Transform Learning Fusion Framework For Multi-Channel Data AnalysisConFuse: 用于多通道数据分析的卷积变换学习融合框架
OAAI
OAAI分享收藏FExR.A-DCNN: Facial Emotion Recognition with Attention mechanism using Deep Convolution Neural NetworkFExR.A-DCNN：基于深度卷积神经网络的注意力机制面部表情识别
PREAI
分享收藏DSTP-RNN: A dual-stage two-phase attention-based recurrent neural network for long-term and multivariate time series predictionDstp-rnn: 用于长期和多变量时间序列预测的基于双阶段两阶段注意力的递归神经网络
PREAI
分享收藏Prediction of global solar irradiance based on time series analysis: Application to solar thermal power plants energy production planning基于时间序列分析的全球太阳辐照度预测: 在太阳能热电厂能源生产计划中的应用.png)
SOLAR ENERGY
SOLAR ENERGYIF6.6
PREAI
分享收藏
查看更多内容