iclr 2024 reviewer评分 568
- 引入了一种基于提示调整的生成 Transformer,TEMPO,用于时间序列表示学习
- 首先,我们利用分解的趋势、季节性和残差信息;其次,我们探索软提示策略以适应时间序列数据的动态特性
- 通过在基准数据集和两个多模态数据集上的广泛实验,模型展示了卓越的性能
- 实验部分采用zero -shot 的预测方式
- eg,在评估“天气”数据集的性能时,模型在未接触目标天气数据的情况下,预训练于“ETTm1、ETTm2、ETTh1、ETTh2、Electricity 和 Traffic”等多样化数据集