ITS-Mina: Framework All-MLP per la Previsione di Serie Temporali Multivariate

È stato proposto un nuovo framework all-MLP chiamato ITS-Mina per la previsione di serie temporali multivariate. Il framework integra tre innovazioni chiave: un meccanismo di raffinamento iterativo che migliora progressivamente le rappresentazioni temporali attraverso uno stack di mixer residui a parametri condivisi, un modulo di attenzione esterna che sostituisce l'auto-attenzione tradizionale con unità di memoria apprendibili per catturare dipendenze globali cross-campione, e una strategia di ottimizzazione degli iperparametri basata sull'Harris Hawks Optimization. L'articolo, pubblicato su arXiv (2604.27981), dimostra che i modelli basati su MLP possono raggiungere prestazioni competitive o superiori rispetto alle architetture basate su Transformer con un costo computazionale significativamente ridotto. Il metodo è progettato per applicazioni come analisi finanziaria, gestione energetica e pianificazione del traffico.