标签
提出双分支校准模块（DBCM），通过共享适配器与低秩通道适配器的双分支设计，在时序预测的测试时自适应中处理非平稳分布偏移，并在多个数据集、预测跨度和骨干模型上超越现有方法。
提出了一种进化神经架构搜索框架(EvoTS)，用于发现任务自适应的类Transformer模型，用于多变量时间序列预测。该方法使用模块化基因组表示，并在ETT基准数据集上取得了竞争性的性能。
介绍SpikF-GO，一种用于多变量时间序列预测的脉冲神经网络模型，该模型结合了基于图的变量间依赖建模与脉冲驱动的频谱处理，在SNN方法中实现了最先进的结果，同时降低了能耗。
提出PESD-TSF，一种受物理启发的结构化分解框架，用于长期时间序列预测，通过乘法周期性门控、多尺度结构化编码器和跨尺度协作注意力来解决周期感知退化、趋势-噪声纠缠和跨变量依赖关系丢失的问题。