Краткое содержание

arXiv:2511.08340v1 Тип объявления: кросс Аннотация: Точное прогнозирование многомерных временных рядов остается серьезной задачей, особенно ввиду возрастающей сложности временных зависимостей в реальных сценариях. Хотя модели на основе нейронных сетей добились значительных успехов в этой области, сложные канало-зависимые модели часто уступают по производительности канало-независимым моделям, которые игнорируют взаимосвязь между компонентами, однако обеспечивают высокую устойчивость благодаря своей небольшой емкости. В данной работе мы предлагаем архитектуру HN-MVTS — новую структуру, объединяющую гиперсеть с произвольной моделью прогнозирования на основе нейронных сетей. Входом гиперсети является обучаемая матрица вложений компонентов временного ряда. Для ограничения числа новых параметров гиперсеть учится генерировать веса последнего слоя целевых прогностических сетей, выступая адаптивным регуляризатором данных, который улучшает обобщаемость и...