论文笔记：PATCHMIXER: A PATCH-MIXING ARCHITECTURE FOR LONG-TERM TIME SERIES FORECASTING

2023 10 arxiv

1 intro

• 对于目前时间序列预测模型中基于Transformer的SOTA 模型来说，他们一般都采用Patch的方式进行数据组织
  • 即将时间序列分成多个patch，每个patch通过MLP编码后，输入到Transformer中。
• 很多之前的工作证明了这一种效果的优越性
  • ——>但是这种优越性是来自于Transformer还是切Patch呢？
• 本篇论文提出了一种Patch+CNN的模型结构，打败了Transformer模型，取得了SOTA效果（相当于说明了效果的优越性主要来自于切Patch）

2 方法

3 实验结果