arXiv cs.LG· Yuqian Wu, Qingxiang Liu, Yuxin Guo, Weifeng Su, Jian Li, Pengfei Xu, Xi Chen, Yutao Yue, Yuxuan Liang·· 2 小时前AI 评分35
解耦以复用：面向时间序列基础模型的细粒度知识增强
Decouple to Reuse: Fine-Grained Knowledge Augmentation for Time Series Foundation Models
AI 导读
研究人员提出两阶段细粒度知识增强框架 FKA，通过构建趋势与季节性双分支残差码本解耦预训练知识，以增强冻结的时间序列基础模型（TSFM）。在 8 个真实基准数据集与 4 个代表性 TSFM 骨干模型上的实验表明，该方法兼具高预测性能与计算效率，且残差码本展现出强大的跨骨干模型迁移能力。相关源代码已开源。
来源：arXiv cs.LG · arxiv.org