arXiv · Machine Learning· Hanne Raum, Jasper Hoffmann, Joschka Boedecker·2026-10-28 12:00· 13 小时前AI 评分26

STeP-TS：面向时间序列的共享时序滤波器与剪枝

STeP-TS: Shared Temporal Filters with Pruning for Time Series

AI 导读

STeP-TS提出一种紧凑的单层卷积多变量时间序列预测框架，通过共享多尺度时序滤波器和变量专属标量权重建模时间动态。模型依据权重与滤波器输出能量进行结构化剪枝，并采用振幅自适应归一化；多数据集实验显示，其预测表现可与先进方法竞争，同时参数量和推理 FLOPs 显著更少、单样本延迟较低。