🔥 今日值得一读
流形基础模型QiYao-I突破不规则时间序列预测，零样本泛化超越现有基础模型！
QiYao-I: A Manifold Based Foundation Model for Irregular Multivariate Time Series Forecasting
👨💼 主理人解读 · 为什么值得关注
针对医疗、传感等异步不规则采样数据，提供可泛化的时序预测基础模型方案。
📖 AI 总结
本文提出QiYao-I，一种面向不规则多元时间序列预测的流形基础模型。针对现有时间序列基础模型多基于规则采样序列、难以适应不规则时间间隔与异步跨变量依赖的问题，作者设计了采样条件时间流形注意力机制，将真实时间戳映射到可学习的时间流形特征空间，并向注意力层注入时间流形偏置，从而同时捕捉不规则时间间隔与局部采样结构；同时提出频率感知的动态变量交互机制，在异步观测下选择性地进行跨变量消息传递。在真实不规则多元预测基准上的大量实验表明，QiYao-I在性能上优于时间序列基础模型和端到端不规则预测模型，并在零样本与少样本设置下展现出较强的泛化能力。该工作为不规则多元时间序列的基础模型建模提供了新思路。
🔑 关键词速览
| 不规则多元时间序列 | 指多个变量在非均匀时间点采样、且各变量观测时间异步的时序数据。 |
| 基础模型 | 在大规模数据上预训练、可迁移到多种下游任务的通用模型。 |
| 时间流形注意力机制 | 将真实时间戳映射到可学习的流形空间，并据此调整注意力权重的机制。 |
| 动态变量交互机制 | 在异步观测下自适应地选择变量间进行消息传递的交互方式。 |
| 零样本/少样本学习 | 模型在未见任务上无需或仅需少量标注样本即可进行预测的设定。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅