基于Transformer模型的時(shí)序數(shù)據(jù)預(yù)測方法綜述

摘要： 時(shí)序數(shù)據(jù)預(yù)測（TSF）是指通過分析歷史數(shù)據(jù)的趨勢性、季節(jié)性等潛在信息，預(yù)測未來時(shí)間點(diǎn)或時(shí)間段的數(shù)值和趨勢。時(shí)序數(shù)據(jù)由傳感器生成，在金融、醫(yī)療、能源、交通、氣象等眾多領(lǐng)域都發(fā)揮著重要作用。隨著物聯(lián)網(wǎng)傳感器的發(fā)展，海量的時(shí)序數(shù)據(jù)難以使用傳統(tǒng)的機(jī)器學(xué)習(xí)解決，而Transformer在自然語言處理和計(jì)算機(jī)視覺等領(lǐng)域的諸多任務(wù)表現(xiàn)優(yōu)秀，學(xué)者們利用Transformer模型有效捕獲長期依賴... （共20頁）