标签
CARNet将全局循环周期信息整合到高效的核心交互建模中，用于多元时间序列预测，实现了线性复杂度，并在实际基准测试中优于强大的Transformer基线模型。
EMAGN 是一种用于交通预测的高效多注意力图网络，通过学习聚类实现自注意力的线性化，将复杂度从二次降至线性，同时保持接近全注意力模型的准确性，并在训练时间、推理时间和 GPU 内存方面显著降低。