PAMNet：多変量時系列予測のためのサイクル対応位相振幅変調ネットワーク

要旨: 信頼できる周期パターンは、正確な多変量時系列予測のための基本的な基盤となる。しかし、既存の手法は、複雑なモデルアーキテクチャ（例：Transformer）によって高い計算コストを伴いながら周期性を暗黙的に抽出するか、あるいは周期成分を明示的にモデリングする際に内在する位相-振幅カップリングを見落としている。これらの課題に対処するため、我々は、周期パターンを位相成分と振幅成分の補完的な要素に明示的に分解する新しいCycle-aware Phase-Amplitude Modulation Network（PAMNet）を提案する。本手法の中核となる革新は、位相の位置決めと振幅の変調のための専用の学習可能埋め込みを備えたデュアルブランチの変調器にある。位相ブランチは、位相依存の平均シフトを捉えるために循環的埋め込みを用い、振幅ブランチは、分散の変化に適応するために強度の変動をモデル化する。要素ごとの融合を用いた軽量な変調器によって、これらの成分を効率的に組み合わせ、複雑な注意機構を用いずにそれらの相互作用を明示的にモデリングできるようにする。12の実世界データセットに対する大規模な実験により、本手法は位相-振幅のデカップリングという新しいメカニズムにより、最先端の性能を達成することが示され、時系列予測における循環モデリングに対して新たな視点を提供する。