.png){kind=icon}
返回
Toward Transformer-Compatible Multivariate Time Series Learning via Visibility Graph-Based Structural Encoding
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.114389.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 研究亮点1：Visibility Graph-guided Transformer专注于学习关键时序模式。
• 研究亮点2：Sliding window visibility graph为长时序数据实现了线性复杂度。
• 研究亮点3：变量间的共识提升了全局依赖关系的理解。
• 研究亮点4：嵌入表示与时间序列的固有特征高度契合。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
ROCKET: exceptionally fast and accurate time series classification using random convolutional kernels火箭: 使用随机卷积核的异常快速和准确的时间序列分类
OAAI
OAAI分享收藏分享收藏
分享收藏Consensus representation-driven structured graph learning for multi-view clustering.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏
查看更多内容