以动态网络应对概念漂移
提出一种用于处理周期性序列的自注意力时变网络，为每个预测步配置独立参数集与计算路径，实现从静态拟合到动态自适应的转变。
Hongbo, Xiao · 邹北骥 · 肖建华 · Yuxuan, Wang · 奎晓燕
Knowledge-Based Systems 2026
为每个预测步配置专用参数集与计算路径，根据输入动态调整模型参数、架构和注意力权重，从根源上摆脱模型刚性。
对周期成分使用高性能时变网络，对趋势和残差使用计算高效的MLP和SARIMA，在精度与效率间取得平衡。
在14个真实世界数据集上的实验表明，该方法显著优于众多前沿基线模型和静态分解集成方法。