每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

DualSG：双流显式语义引导的多变量时间序列预测框架

Created by
  • Haebom

作者

丁奎业、范凡达、王耀、简锐杰、王晓锐、龚鲁奇、蒋一山、罗春杰、詹剑峰

大纲

在本文中，我们提出了用于多变量时间序列预测 (MTSF) 的 DualSG 框架，该框架利用大规模语言模型 (LLM) 作为语义指导模块，补充现有的预测方法，而非将其作为独立的预测器。DualSG 采用双流架构，明确地将传统数值预测与基于 LLM 的语义指导相结合。它还使用一种名为“时间序列标题”的新颖提示格式，以自然语言总结时间序列模式并将其传递给 LLM。这有助于 LLM 理解时间序列模式并改进预测，同时保持数值精度。实验结果表明，DualSG 在各个领域的真实数据集上始终优于 15 个最先进的基线模型。

Takeaways，Limitations

•
Takeaways：
◦
我们提出了一种新方法，将 LLM 有效地集成到多元时间序列预测中。
◦
我们利用 LLM 的语义理解能力来提高预测性能，同时又不损失数值精度。
◦
时间序列标题使 LLM 和时间序列数据之间能够清晰地交互。
◦
我们已经证明了在各个领域的真实数据集上具有出色的性能。
•
Limitations：
◦
可能需要对时间序列标题的生成和优化进行进一步研究。
◦
对于某些类型的时间序列数据，性能可能较差。
◦
LLM 的计算成本可能会成为额外的负担。
👍
Made with Slashpage