MSGNet: Learning Multi-Scale Inter-Series Correlations for Multivariate Time Series Forecasting

系列(地层学) 突出 计算机科学 多元统计 时间序列 比例(比率) 一般化 人工智能 卷积(计算机科学) 图形 机器学习 数据挖掘 数学 理论计算机科学 人工神经网络 地理 古生物学 数学分析 生物 地图学
作者
Wanlin Cai,Yuxuan Liang,Xianggen Liu,Jianshuai Feng,Yuankai Wu
出处
期刊:Cornell University - arXiv [Cornell University]
标识
DOI:10.48550/arxiv.2401.00423
摘要

Multivariate time series forecasting poses an ongoing challenge across various disciplines. Time series data often exhibit diverse intra-series and inter-series correlations, contributing to intricate and interwoven dependencies that have been the focus of numerous studies. Nevertheless, a significant research gap remains in comprehending the varying inter-series correlations across different time scales among multiple time series, an area that has received limited attention in the literature. To bridge this gap, this paper introduces MSGNet, an advanced deep learning model designed to capture the varying inter-series correlations across multiple time scales using frequency domain analysis and adaptive graph convolution. By leveraging frequency domain analysis, MSGNet effectively extracts salient periodic patterns and decomposes the time series into distinct time scales. The model incorporates a self-attention mechanism to capture intra-series dependencies, while introducing an adaptive mixhop graph convolution layer to autonomously learn diverse inter-series correlations within each time scale. Extensive experiments are conducted on several real-world datasets to showcase the effectiveness of MSGNet. Furthermore, MSGNet possesses the ability to automatically learn explainable multi-scale inter-series correlations, exhibiting strong generalization capabilities even when applied to out-of-distribution samples.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
lushui完成签到,获得积分20
刚刚
无情翅膀完成签到,获得积分10
1秒前
ZCX发布了新的文献求助20
1秒前
77发布了新的文献求助10
1秒前
小郝已读博完成签到 ,获得积分10
1秒前
yzm发布了新的文献求助20
1秒前
WANG完成签到,获得积分10
1秒前
潇湘阁我爱吃完成签到,获得积分10
1秒前
小虫虫完成签到,获得积分10
1秒前
可耐的孱完成签到,获得积分10
2秒前
题西林壁完成签到,获得积分10
2秒前
沂今司完成签到 ,获得积分10
2秒前
liguanyu1078完成签到,获得积分10
2秒前
elsalili发布了新的文献求助10
2秒前
lee完成签到,获得积分10
3秒前
3秒前
苹果骑士完成签到,获得积分10
3秒前
3秒前
jindex完成签到,获得积分10
4秒前
乖拉完成签到,获得积分10
4秒前
4秒前
在九月完成签到 ,获得积分10
5秒前
酷酷怜雪完成签到 ,获得积分10
5秒前
5秒前
6秒前
吕奎完成签到,获得积分10
6秒前
爱撒娇的朋友完成签到,获得积分10
6秒前
yongziwu完成签到,获得积分0
6秒前
Amy完成签到,获得积分0
7秒前
7秒前
啦啦啦完成签到 ,获得积分10
7秒前
儒雅山兰完成签到,获得积分10
8秒前
daikai完成签到,获得积分10
8秒前
Sevi完成签到,获得积分10
8秒前
8秒前
Huangzhisong发布了新的文献求助10
9秒前
我爱坏女人完成签到,获得积分20
9秒前
潇洒的辣条完成签到,获得积分10
9秒前
Cc发布了新的文献求助10
9秒前
弹指一挥间完成签到,获得积分10
9秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1500
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology)求助 1000
Encyclopedia of Modern Artificial Intelligence 1000
John McDowells Bildungstheorie 800
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
Synthesis, Application and Future Perspectives of Smart Nano-materials - Part 1 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8152197
求助须知:如何正确求助?哪些是违规求助? 9548933
关于积分的说明 21688809
捐赠科研通 7740419
什么是DOI,文献DOI怎么找? 3425136
关于科研通互助平台的介绍 2550342
邀请新用户注册赠送积分活动 2468584