QiYao-I：面向不规则多变量时间序列的基础模型

在现实应用中，不规则的多元时间序列预测是一个具有挑战性但又重要的问题，其中观测值通常是跨变量不规则采样和异步记录的。现有的时间序列基础模型大多建立在定期采样的序列上，这使得它们很难推广到不规则的时间间隔和异步交叉变量依赖关系。为了应对这些挑战，我们提出了 QiYao-I，一种用于不规则多元时间序列预测的流形基础模型。具体来说，我们引入了一种新颖的采样条件时间流形注意机制，将真实时间戳映射到可学习的时间流形特征空间，并将时间流形偏差注入注意层，使模型能够捕获不规则时间间隔和局部采样结构。此外，我们提出了一种具有频率感知的动态变量交互机制。它有选择地在异步观察下执行跨变量消息传递。对现实世界不规则多元预测基准的大量实验表明，与时间序列基础模型和端到端不规则预测模型相比，QiYao-I 具有优越的性能，在零样本和少样本设置中表现出强大的泛化能力。