在数据科学领域,时间序列分析一直是研究的热点和难点。随着大数据时代的到来,时间序列数据在各个领域的应用越来越广泛,如金融、气象、健康等。因此,对时间序列的研究具有重要的理论和实践意义。
今天就将AAAI'2024会议收录的时间序列论文进行了汇总,涵盖预测、分类、异常检测与因果发现多个方向,大家可以看一看该领域的研究进展和最新成果。
1、MSGNet: Learning Multi-Scale Inter-Series Correlations for Multivariate Time Series Forecasting
MSGNet:学习多变量时间序列预测中的多尺度间序列相关性
简述:本文提出了一种先进的深度学习模型MSGNet,利用频域分析和自适应图卷积捕捉不同时间尺度上的相互关系。该模型能提取显著周期模式,分解时间序列,并结合自注意力机制和自适应混合跳跃图卷积层学习不同相互关系。在多个真实数据集上实验证明其有效性,且能自动学习可解释的多尺度相互关系,具有强大泛化能力。
2、Learning from Polar Representation: An Extreme-Adaptive Model for Long-Term Time Series Forecasting
从极化表示中学习:用于长期时间序列预测的极端自适应模型