WITRAN: Water-wave Information Transmission and Recurrent Acceleration Network for Long-range Time Series Forecasting
捕获语义信息对于准确的长期时间序列预测至关重要,这涉及到对全局和局部相关性进行建模,以及发现长期和短期重复模式。以前的作品分别部分地解决了这些问题,但无法同时解决所有问题。同时,它们的时间和记忆复杂性仍然不够低,无法进行长期预测。为了解决捕获不同类型语义信息的挑战,我们提出了一种新的水波信息传输(WIT)框架。该框架通过双粒度信息传输捕获长期和短期重复模式。利用水平垂直门控选择单元(HVGSU)递归融合和选择信息,建立全局和局部关联模型。此外,为了提高计算效率,我们提出了一种通用的循环加速网络(RAN),将时间复杂度降低到0(L),同时保持内存复杂度为0 (L)。在四个基准数据集上的实验表明,我们提出的水波信息传输和循环加速网络(WITRAN)方法在远程和超远程时间序列预测任务上分别比现有方法高出5.80%和14.28%。
一背景
二 The WITRAN Model
我们提出了一种类似于水波传播的新型信息传输框架WITRAN。WITRAN在信息传输过程中同时捕获长周期和短周期语义信息,