STeP-TS以共享滤波器压缩时间序列预测模型

1. 12:00
   arXiv · Machine Learning

   STeP-TS：面向时间序列的共享时序滤波器与剪枝

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。