Neurlps2024论文解析|TimeXer Empowering Transformers for Time Series Forecasting with Exogenous Variables

论文标题

TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables 利用外生变量赋能时间序列预测的Transformer

论文链接

TimeXer: Empowering Transformers for Time Series Forecasting with Exogenous Variables论文下载

论文作者

Yuxuan Wang, Haixu Wu, Jiaxiang Dong, Guo Qin, Haoran Zhang, Yong Liu, Yunzhong Qiu, Jianmin Wang, Mingsheng Long

内容简介

本文提出了一种新颖的方法TimeXer，旨在通过引入外生变量来增强内生变量的时间序列预测。传统的时间序列预测方法往往忽视外生变量的影响，而TimeXer通过巧妙设计的嵌入层，结合了内生和外生信息，利用分块自注意力和变体交叉注意力机制，提升了预测的准确性。实验结果表明，TimeXer在十二个真实世界的预测基准上表现出色，展现了显著的通用性和可扩展性。该方法不仅适用于短期预测，还能有效处理多元时间序列预测中的外生变量。

分点关键点

1. TimeXer框架
   • TimeXer通过引入外生变量&#x