arXiv · cs.AI· Bashar Khoury·· 3 天前AI 评分18
GalaxyTS：多变量时间序列预测中的专家特化研究
Learning What to Share: Expert Specialization for Time-Series Forecasting
来源与原文
arXiv · cs.AI
作者：Bashar Khoury
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.33822v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
多变量预测的核心难题是在通道间共享与特化之间权衡。研究通过 11 个数据集、3 个骨干网络的受控对比表明，信息性通道分配优于匹配的共享容量和随机分配，冻结 transformer 骨干上的持久通道混合平均优于输入依赖路由。作者还提出合成数据集 GalaxyTS 与即插即用方法 PCR，PCR-K4 在四个预测跨度上相对三个冻结骨干实现 3.86-14.25% 的均方误差降低，且所需可训练参数更少。
来源：arXiv · cs.AI · arxiv.org