时序论文22｜ICML24港科大：面向多变量不规则的时间序列预测方法

论文标题：Irregular Multivariate Time Series Forecasting: A Transformable Patching Graph Neural Networks Approach

论文链接：https://openreview.net/pdf?id=UZlMXUGI6e

前言

这篇文章在“定位研究问题”方面很值得学习。其实前段时间对时序研究感觉挺悲观的，因为总感觉各类指标已经卷到头了，没什么值得改进和研究的。但是仔细想想，包括这篇文章、以及今年的Itransformer、FITS等在内的文章，都做的很“巧秒”。为什么说巧，因为都是定义到了一个具体场景，比如：轻量化、不定长采样等。在这样一个具体场景下，算法本身其实并不复杂，但是却往往能够吸引眼球。

如上图，这篇文章就面向的是：对医疗保健、生物力学、气候科学等不规则多变量时间序列（IMTS）的预测，这就和普通卷指标的论文区别开了。提出了一种可变换的