XLinear: CrossFilter搭載の周波数強化MLPによる頑健な長期予測

要約：時系列予測器は、さまざまな領域で広く使用されています。
その中でも、MLP（多層パーセプトロン）ベースの予測器は、Transformerベースの予測器と比較してノイズに対してより頑健であることが示されています。
しかし、MLPは複雑な特徴を捉えるのに苦労しており、長距離の依存関係を捉える能力に制約があります。
この課題に対処するため、長距離予測向けのMLPベースの予測器であるXLinearを提案します。
まず、時系列をトレンド成分と季節成分に分解します。
長距離特性を含むトレンド成分について、周波数領域の演算を活用して長期的な依存関係を捉えるEnhanced Frequency Attention（EFA）を設計します。
さらに、季節成分にはCrossFilter Blockを提案し、ノイズに対するモデルの頑健性を維持し、アテンション機構によって引き起こされがちな低頑健性の問題を回避します。
実験結果は、XLinearがテストデータセットにおいて最先端の性能を達成することを示しています。
MLPベースモデルの軽量なアーキテクチャと高い頑健性を維持しつつ、私たちの予測器は長距離依存性を捉える点で他のMLPベース予測器を上回ります。