PAMNet: Una Nuova Rete Neurale per la Previsione di Serie Temporali Multivariate
Un articolo di ricerca su arXiv introduce PAMNet (Cycle-aware Phase-Amplitude Modulation Network), una nuova rete neurale per la previsione di serie temporali multivariate. L'articolo, arXiv:2605.02938, affronta le limitazioni dei metodi esistenti che estraggono implicitamente la periodicità con un costo computazionale elevato o trascurano l'accoppiamento fase-ampiezza. PAMNet scompone esplicitamente i pattern periodici in componenti di fase e ampiezza utilizzando un modulatore a doppio ramo con embeddings apprendibili. Il ramo di fase cattura gli spostamenti medi dipendenti dalla fase tramite embeddings ciclici, mentre il ramo di ampiezza modella le variazioni di intensità. Un modulatore leggero con fusione elemento per elemento combina efficientemente queste componenti. L'approccio mira a migliorare l'accuratezza delle previsioni sfruttando pattern periodici affidabili.
Fatti principali
- PAMNet è proposto per la previsione di serie temporali multivariate.
- Scompone esplicitamente i pattern periodici in componenti di fase e ampiezza.
- Il modulatore a doppio ramo utilizza embeddings apprendibili per fase e ampiezza.
- Il ramo di fase cattura gli spostamenti medi dipendenti dalla fase con embeddings ciclici.
- Il ramo di ampiezza modella le variazioni di intensità.
- Un modulatore leggero con fusione elemento per elemento combina le componenti.
- L'articolo è pubblicato su arXiv con ID 2605.02938.
- Affronta i problemi di overhead computazionale e accoppiamento fase-ampiezza.
Entità
Istituzioni
- arXiv