SiamTST: A Novel Representation Learning Framework for Enhanced Multivariate Time Series Forecasting applied to Telco Networks

要約

多変量時系列の新しい表現学習フレームワークである SiamTST を紹介します。
SiamTST は、Siamese ネットワークをアテンション、チャネルに依存しないパッチング、および正規化技術と統合して、優れたパフォーマンスを実現します。
現実世界の産業用通信データセットで評価された SiamTST は、既存の方法と比較して予測精度が大幅に向上していることを示しています。
特に、単純な線形ネットワークも競争力のあるパフォーマンスを示し、SiamTST に次ぐ 2 番目に良い結果を達成しました。
コードは https://github.com/simenkristoff/SiamTST で入手できます。

要約(オリジナル)

We introduce SiamTST, a novel representation learning framework for multivariate time series. SiamTST integrates a Siamese network with attention, channel-independent patching, and normalization techniques to achieve superior performance. Evaluated on a real-world industrial telecommunication dataset, SiamTST demonstrates significant improvements in forecasting accuracy over existing methods. Notably, a simple linear network also shows competitive performance, achieving the second-best results, just behind SiamTST. The code is available at https://github.com/simenkristoff/SiamTST.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google