arXiv发布LagNet时间序列预测方法

发生了什么

据arXiv cs.LG报道，研究提出LagNet，一种基于滞后结构化算子的长期时间序列预测方法。该框架直接分析历史到未来的预测算子，发现敏感性矩阵存在对应相对时间滞后的对角模式。核心组件LagLayer通过构建Toeplitz矩阵连接相同相对滞后的历史与未来数据，并引入缩放系数，可作为现有模型中时间线性层的有效替代。实验显示该方法在基准测试中具有竞争力，且样本效率优于传统线性层。