摘要： 時(shí)序數(shù)據(jù)預(yù)測(cè)（TSF）是指通過(guò)分析歷史數(shù)據(jù)的趨勢(shì)性、季節(jié)性等潛在信息，預(yù)測(cè)未來(lái)時(shí)間點(diǎn)或時(shí)間段的數(shù)值和趨勢(shì)。時(shí)序數(shù)據(jù)由傳感器生成，在金融、醫(yī)療、能源、交通、氣象等眾多領(lǐng)域都發(fā)揮著重要作用。隨著物聯(lián)網(wǎng)傳感器的發(fā)展，海量的時(shí)序數(shù)據(jù)難以使用傳統(tǒng)的機(jī)器學(xué)習(xí)解決，而Transformer在自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)等領(lǐng)域的諸多任務(wù)表現(xiàn)優(yōu)秀，學(xué)者們利用Transformer模型有效捕獲長(zhǎng)期依賴... （共20頁(yè)）