AdaMamba：長期時系列予測のための適応周波数ゲーティング付きMamba

要旨: 正確な長期時系列予測（LTSF）には、複雑な長期依存関係と動的な周期パターンの捕捉が必要です。周波数領域解析における近年の進展は、時間的特徴を解明するためのグローバルな視点を提供します。しかし、現実世界の時系列は、時間領域では同期しているように見える変数であっても、周波数領域では大きく異なり得るという、顕著なドメイン間の不均一性をしばしば示します。既存の周波数ベースLTSF手法は、多くの場合、ドメイン間の均一性に関する暗黙の仮定に依存しており、このような複雑な変動への適応力が制限されます。周波数領域解析を時間依存学習と効果的に統合するために、我々は、Mambaの状態空間更新プロセス内で適応的かつ文脈に応じた周波数解析を内生化する新しい枠組みAdaMambaを提案します。具体的には、AdaMambaは、変数間の相互作用ダイナミクスを捉えるためのインタラクティブなパッチエンコーディングモジュールを導入します。次に、入力依存の周波数基底を生成する適応的な周波数ゲート付き状態空間モジュールを開発し、従来の時間方向の忘却ゲートを統一的な時間-周波数忘却ゲートへと一般化します。これにより、学習された周波数領域の重要度に基づいて状態遷移を動的に較正しつつ、長期依存関係をモデル化するMambaの能力を維持できます。7つの公開LTSFベンチマークと2つのドメイン固有データセットに対する大規模な実験により、AdaMambaが、計算効率を競争力のある水準に保ちながら、予測精度において一貫して最先端手法を上回ることが示されます。AdaMambaのコードは https://github.com/XDjiang25/AdaMamba で公開されています。