Краткое содержание

arXiv:2505.11250v4 Тип объявления: замена Аннотация: Прогнозирование нерегулярных многомерных временных рядов (НМВР) играет ключевую роль в таких важных областях, как здравоохранение, биомеханика, климатология и астрономия. Однако достижение точных и практичных прогнозов является сложной задачей из-за двух основных факторов. Во-первых, присущая нерегулярным временным рядам изменчивость и пропуски данных затрудняют моделирование. Во-вторых, большинство существующих методов обычно отличаются сложностью и высокими требованиями к ресурсам. В данном исследовании мы предлагаем общий фреймворк APN для решения этих проблем. В частности, мы разрабатываем новый модуль Time-Aware Patch Aggregation (TAPA), который обеспечивает адаптивное патчинг. Благодаря изучению динамически настраиваемых границ патчей и стратегии взвешенного усреднения с учётом времени, TAPA преобразует исходные нерегулярные последовательности в высококачественные регулярные представления независимо по каналам. Дополнительно мы используем простой запросный модуль для эффективного интегрирования исторической информации при сохранении