可控的局部-全局通道通信在多元长期预测中的应用

《Mathematics》：Controlled Local–Global Channel Communication for Multivariate Long-Term Forecasting

　　

摘要

多变量长期预测需要确定可以可靠利用多少跨渠道结构，然而现有架构在设计时已经固定了这一决策，从完全不进行任何信息交换到无限制的混合。我们认为，应该根据数据来选择适当的跨渠道信息量，并提出了一种名为CLOC（Controlled Local–Global Channel Communication）的框架，在该框架中，这一决策变得明确且具有一个精确的零通信端点；将残差尺度设置为零可以在同一模型家族中恢复出与渠道无关的预测结果。通过控制组大小g来限制信息交换，而K个可学习的原型则用于传递全局上下文信息，残差尺度通过 alpha' data-semantic-attached="true" data-semantic-braille="??" data-braille-attached="true" has-speech="true"> alpha' data-semantic-summary=' identifier' data-semantic-braille="??">??和 beta' data-semantic-attached="true" data-semantic-braille="??" data-braille-attached="true" has-speech="true">??来控制信息传递的强度。操作点根据既定规则在验证数据上选定，并在测试前固定。在八个基于720步回溯期的基准测试中，验证结果显示从四个ETT数据集的完全抑制到电力和太阳能领域的局部-全局通信，存在质的不同情况。CLOC在64个预测指标中的50个上取得了最佳或并列最佳的结果，在11个模型中平均排名第1.45位，而次优模型的平均排名为3.73位；当通道数量达到862个时，密集混合模型会因内存不足而无法继续运行。因此，预测质量取决于信息传递与数据集能够可靠支持的结构相匹配，而不是最大化信息传递量。