RhyMix轻量双路径时间序列预测架构论文发布

Shevtekar与Maurya在arXiv发布论文，提出面向长期时间序列预测的RhyMix（RHYthm MIXture）混合神经架构，通过自适应门控融合显式季节性路径与多尺度时间卷积路径，以捕获不同时间尺度的动态。基于论文摘要，该模型在12个真实世界基准中有9个数据集取得最佳平均MSE、8个取得最佳平均MAE。 模型保持轻量：C=7时参数量约4万，推理延迟5.2—7.5毫秒，作者称适合资源受限的边缘设备和实时部署。具体实验细节仍需阅读全文核对。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。