arXiv · cs.AI· Yangze Li, Zhengyang Zhou, Qihe Huang, Pengkun Wang, Binwu Wang, Yang Wang·· 6 小时前
TStruct：学习共享时间结构用于长期时间序列预测
TStruct: Learning Shared Temporal Structures for Long-Term Time-Series Forecasting
arXiv:2610.17864v1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：Yangze Li, Zhengyang Zhou, Qihe Huang, Pengkun Wang, Binwu Wang, Yang Wang
研究任务与主要进展
Yangze Li等提出TStruct，用于在时间分布偏移下学习跨时间位置和变量共享的长期时间序列依赖结构。基于论文摘要，研究分析了常用时间序列数据中的时间关系矩阵，发现不同时间位置和变量样本存在共享的主导结构；TStruct通过共享时间依赖矩阵及结合动态样本信息与静态变量先验生成的归一化权重进行预测。作者报告该方法在所有数据集上优于多个强基线，同时保持较高计算效率，但具体实验细节未提供。
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