研究团队提出可解释时间序列MoE框架MoTIF

1. 13:00
   arXiv 机器学习

   MoTIF：利用 MoE 将不规则时间序列分解为可解释的时序模式

   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。

Current heat 4·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours-50%

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.