基于稀疏注意力机制的 Li-Net 多通道时间序列高效精准预测方法
Accurate and Efficient Multi-Channel Time Series Forecasting via Sparse Attention Mechanism
AI 导读
一项被 ICDE 2026 接收的研究提出 Linear-Network（Li-Net）架构，用于多通道时间序列预测，可捕获通道间的线性与非线性依赖。该架构在多尺度投影框架中引入稀疏 Top-K Softmax 注意力机制，并可融合多模态嵌入以引导注意力聚焦关键时间步与特征通道。在多个真实基准数据集上，Li-Net 取得与 SOTA 基线相当的精度，同时内存占用更低、推理更快。
来源：arXiv cs.AI · arxiv.org