神经网络 并行预测_DSANet:基于自双向注意力网络的多元时间序列预测模型

题目：

DSANet: Dual Self-Attention Network for Multivariate Time

Series Forecasting

作者：

Siteng Huang，Donglin Wang∗，Xuehan Wu，Ao Tang

来源：

Machine Learning (cs.LG)

CIKM ’19, November 3–7, 2019, Beijing, China

文档链接：

https://kyonhuang.top/files/Huang-DSANet.pdf

代码链接：

https://github.com/bighuang624/DSANet

摘要

多元时间序列预测在系统、交通、金融等领域受到广泛关注。任务的难点在于传统的方法无法捕捉时间步长和多个时间序列之间复杂的非线性依赖关系。近年来，递归神经网络和注意机制被广泛应用于多时间步长的周期性时间模式的建模。然而，这些模型不适用于动态周期模式或非周期模式的时间序列。本文提出了一种双关注网络(DSANet)来进行高效的多变量时间序列预测，特别适用于动态周期或非周期序列。DSANet完全不需要递归，而是利用两个并行的卷积分量，即全局时域卷积和局部时域卷积，来捕获全局和局部时域模式的复杂