现有基于 Patch 的 Transformer 模型面临一个根本性挑战：非平稳时序数据中，Patch 之间的尺度差异会严重干扰注意力机制对形状相似性的捕捉，导致模型学习到错误的相关关系，预测精度受限 … 长期时序预测中，研究者常用 Patch 分割策略来捕捉长序列中的局部语义，但时序数据的非平稳性带来显著挑战 —— 同一序列在不同时段的数值尺度差异悬殊 … PMDformer 的成功揭示了时序预测领域一个长期被忽视但至关重要的问题：Patch 的均值（趋势）与残差（形状）耦合在一起，会系统性地损害注意力机制对形状相似性的建模能力。
暂无讨论，说说你的看法吧