小波增强时序网络

预测误差降17%

用小波变换与外部注意力捕捉样本间关联,在多个真实数据集上超越主流预测模型。

76742649 · Zhang, Fan · 刘业朋

Engineering Applications of Artificial Intelligence 2025

参数信息

预测精度提升
17.1 %
预测精度提升
5.7 %
预测精度提升
16.8 %
预测精度提升
13.2 %

技术优势

捕捉样本间依赖

引入小波外部注意力机制,在小波域中捕捉多样本序列之间的相关性,弥补了以往模型仅关注单样本内部相关性的不足。

局部与全局依赖兼顾

结合图卷积网络和Mamba,对补丁内的局部空间依赖和补丁间的长期依赖进行建模,全面提取时序特征。

显著超越主流模型

在多个真实数据集上,比Transformer、CNN、MLP和跨域学习模型分别高出5.7%、16.8%、17.1%和13.2%。

应用场景