AGCNT: Adaptive Graph Convolutional Network for Transformer-based Long Sequence Time-Series Forec...
存在一些问题限制了基于transformer的LSTF模型的性能:(i)不考虑序列之间的潜在相关性;(ii)编码器-解码器的固有结构从复杂度上来说,经过优化后难以扩展。
AGCNT具有以下特点:(i)概率自适应图自注意,通过自适应图生成将长序列映射到一个低维密集图结构,并通过自适应图卷积捕获序列之间的关系;(ii)提取概率图自注意的堆叠编码器集成了图注意机制,保留了级联层的主导注意,保持了长序列稀疏查询之间的相关性;(iii)具有生成式推理的堆叠译码器在一次正向操作中生成所有的预测值,可以提高长期预测的推理速度。
主要创新点:提出使用了Adaptive graph generation. Adaptive graph convolution.