研究者提出Li-Net稀疏注意力架构用于多通道时序预测
热点事件持续更新
研究者提出Li-Net稀疏注意力架构用于多通道时序预测
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Lei Gao等研究者在arXiv发布论文，提出用于多通道时间序列预测的Linear-Network（Li-Net）架构，该工作已被ICDE 2026接收。Li-Net在多尺度投影框架中引入稀疏Top-K Softmax注意力机制，可捕获通道间的线性与非线性依赖，并能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。据论文所述，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。
AI 根据报道生成 · 1 小时前更新
最新进展10月23日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AI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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。