arXiv · cs.AI· Melanie Schaller, Nick Janssen, Bodo Rosenhahn·· 2 天前
Naga：用吠陀数学结构编码提升深度状态空间模型的长期时序预测
Naga: Vedic Encoding for Deep State Space Models
arXiv:2511.13510v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Melanie Schaller, Nick Janssen, Bodo Rosenhahn
研究任务与主要进展
Naga是一种受吠陀数学结构启发的深度状态空间模型编码方法，通过联合处理正向与时间反向序列，并进行逐元素（Hadamard）交互，捕获远距离时间依赖。基于论文摘要，作者在ETTh1、ETTh2、ETTm1、ETTm2、Weather、Traffic和ILI等长期时序预测基准上报告称，Naga超过28个现有模型，且相较现有深度SSM方法具有更高效率；具体实验细节和基准指标未在材料中说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org