Il Framework TriTS Introduce un Approccio Cross-Modale per la Previsione di Serie Temporali a Lungo Termine

Il framework TriTS introduce una soluzione innovativa al problema persistente della Previsione di Serie Temporali a Lungo Termine (LTSF) trasformando serie temporali unidimensionali in spazi ortogonali di tempo, frequenza e visione bidimensionale. Questo metodo di disaccoppiamento cross-modale mira a rappresentare efficacemente dinamiche temporali complesse che sono difficili da catturare in un formato esclusivamente 1D. Per collegare le modalità 1D e 2D senza incorrere nei costi computazionali quadratici associati ai Vision Transformer, impiega una strategia di Riformattazione Consapevole del Periodo insieme a Visual Mamba (Vim). Questa sinergia cattura le dipendenze cross-periodo come texture visive globali garantendo al contempo efficienza computazionale lineare. Inoltre, un componente di Miscelazione Wavelet a Multi-Risoluzione migliora il framework. L'importanza della previsione di serie temporali abbraccia finanza, energia, trasporti e meteorologia. Questa ricerca è stata condivisa su arXiv con l'identificatore 2604.16748v1 e classificata come annuncio cross.