arXiv 机器学习· Jenna L. Ballard, Zijie Pan, Shivani Shekhar, Yiming Bian, Yun-Shiuan Chuang, Avinash Thangali, Uma Kona, Linsey Pang, Prakhar Mehrotra·· 10 hours agoAI score36
MoTIF：利用 MoE 将不规则时间序列分解为可解释的时序模式
Decomposing Irregular Time Series into Interpretable Temporal Patterns with Mixture-of-Experts
Not yet translated; shown in Chinese.
AI guide
研究团队提出可解释框架 MoTIF，利用 MoE 注意力机制将不规则时间序列分解为分钟至年尺度的时序模式。在合成数据上，其正确路由率达 0.389（区间模式）和 0.829（周期模式），在下一值预测中超越标准 Transformer 与未特化 MoE。在信用卡数据集上其金额预测取得更高 macro-F1，目前代码已开源。
Source:arXiv 机器学习 · arxiv.org