Naga：吠陀数学启发的深度SSM编码方法

Melanie Schaller 等提出 Naga，一种受吠陀数学结构概念启发的深度状态空间模型（SSM）编码方法，用于长期时间序列预测。该方法联合处理正向与时间反转输入序列构建双向表示，再以逐元素（Hadamard）交互结合，以增强模型捕捉远距离时间步依赖的能力。 论文称，在 ETTh1、ETTh2、ETTm1、ETTm2、Weather、Traffic、ILI 等长期时间序列预测基准上，Naga 优于 28 个当前最先进模型，并相比已有深度 SSM 方法展现出更高的效率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。