无需Transformer，简单滤波器即可提高时间序列预测精度

由国家信息中心、牛津大学等机构组成的团队提出了一种新的时间序列预测模型——FilterNet，该模型被NeurlPS 2024接收。FilterNet通过引入两种可学习滤波器（Plain Shaping Filter和Contextual Shaping Filter）来提高预测精度，解决了现有Transformer模型在计算效率和全频段信息利用方面的不足。实验结果显示，FilterNet在多个基准数据集上表现优异，不仅在准确性上超越了现有模型，而且在效率上也表现出明显优势。
来源：https://mp.weixin.qq.com/s/Fix8JTS0nzZtVsF8bVbgzA