Краткое содержание

arXiv:2410.16928v3 Объявление Тип: замена Аннотация: Данные временных рядов широко распространены во многих областях, что требует разработки надежных и точных моделей прогнозирования. Улавливание закономерностей как внутри, так и между временными и многомерными компонентами имеет решающее значение для надежных прогнозов. Мы представляем xLSTM-Mixer, модель, предназначенную для эффективной интеграции временных последовательностей, совместной информации о времени-вариантах и различных точек зрения для надежного прогнозирования. Наш подход начинается с линейного прогноза, общего для вариатов, который затем уточняется блоками xLSTM. Они являются ключевыми элементами для моделирования сложных динамических процессов сложных данных временных рядов. xLSTM-Mixer в конечном итоге примиряет две различные точки зрения для получения окончательного прогноза. Наши обширные оценки демонстрируют его превосходную долгосрочную производительность прогнозирования по сравнению с последними передовыми методами, при этом требуются очень небольшие объемы памяти. Тщальный анализ модели предоставляет дополнительные сведения о ее ключевых компонентах и