.png){kind=icon}
返回
MSCAN: Multi-scale Context-Aware Network for Multivariate Long-Time Forecasting
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3052-6_19.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确的多变量时间序列长期预测在金融、能源和交通管理中至关重要。尽管基于Transformer的模型取得了进展，但捕捉局部结构和长距离依赖关系仍具挑战性。增强多尺度依赖表示可提高预测的准确性和稳定性。本文提出MSCAN，该模型整合了用于自适应依赖建模的多尺度动态注意力（MSDA）和用于精细局部特征提取的上下文感知卷积注意力（CACA）。通过结合注意力和卷积，MSCAN能够有效建模多分辨率下的时间依赖关系。在七个基准数据集上的实验表明，MSCAN在各类预测任务中持续优于现有方法。
Keyword:
Multivariate time series
Long-Term Forecasting
Attention Mechanism
Context-Aware Representation
Multi-Scale Modeling
期刊
K
IF:
0
论文数:
30
被引数:
0
机构
引用论文
Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation使用RNN编码器-解码器学习统计机器翻译的短语表示
OAAI
OAAI分享收藏PWDformer: Deformable transformer for long-term series forecastingPWDformer: 用于长期序列预测的可变形变压器.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏STTRE: A Spatio-Temporal Transformer with Relative Embeddings for multivariate time seriesSTTRE: 多变量时间序列的具有相对嵌入的时空转换器NEURAL NETWORKS
OAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏 没有更多内容
没有更多内容