概要: 時系列予測はAI分野で顕著な注目を集めています。
従来の研究では、チャンネル独立（CI）戦略が各チャネルを個別にモデル化することで予測性能を向上させることが示されていますが、しばしば一般化性能が低く、意味のあるチャネル間相互作用を見落とすことがあります。
対照的に、チャンネル依存（CD）戦略はすべてのチャネルを統合するため、関連性のない情報を導入する可能性があり、過剰平滑化を招くことがあります。
近年の進展にもかかわらず、さまざまなチャネル依存性に応じてCIとCD戦略を適応的にバランスさせる柔軟性を備えた方法はほとんどありません。
この問題に対処するため、グラフスペクトル分解の観点からチャネル・パッチの依存関係を適応的にモデル化できる汎用プラグイン xCPD を提案します。
具体的には、xCPD は共有されたグラフフーリエ基底を用いて多変量信号を周波数領域に投影し、スペクトルエネルギー応答に基づいてパッチを低周波・中周波・高周波帯にグループ化します。
次に、チャネル適応ルーティング機構を適用し、各パッチのチャネル間相互作用の度合いを動的に調整して、周波数特異的エキスパートを選択的に活性化します。
これにより、滑らかな傾向、局所的な変動、急激な遷移を入力を考慮した形できめ細かくモデリングできます。
xCPD は既存の CI および CD 予測モデルの上にシームレスに統合でき、ベンチマーク全体で精度と一般化性能を一貫して向上させます。
コードは https://github.com/Clearloveyuan/xCPD で入手可能です。
返却形式: {"translated": "翻訳されたHTML"}
