Framework AdaMamba per la Previsione di Serie Temporali a Lungo Termine
AdaMamba è un nuovo framework per la previsione di serie temporali a lungo termine (LTSF) che integra l'analisi adattiva nel dominio delle frequenze con modelli a spazio di stato. Il metodo affronta l'eterogeneità cross-dominio, dove variabili sincronizzate nel dominio del tempo differiscono nel dominio della frequenza. Utilizza un modulo di codifica a patch interattivo e un processo di aggiornamento Mamba con gate di frequenza per catturare dipendenze complesse e pattern periodici. L'approccio è validato su diversi dataset reali, mostrando una precisione migliorata rispetto ai metodi esistenti. L'articolo è pubblicato su arXiv con ID 2604.23239.
Fatti principali
- AdaMamba è un framework per la previsione di serie temporali a lungo termine.
- Integra l'analisi nel dominio delle frequenze con i modelli a spazio di stato Mamba.
- Affronta l'eterogeneità cross-dominio nei dati di serie temporali.
- Utilizza un modulo di codifica a patch interattivo.
- Impiega un processo di aggiornamento Mamba con gate di frequenza.
- Validato su dataset reali.
- Pubblicato su arXiv con ID 2604.23239.
- Si concentra sulla cattura di dipendenze a lungo raggio e pattern periodici dinamici.
Entità
Istituzioni
- arXiv