XLinear: Previsioni di serie temporali a lungo termine con MLP

I modelli di previsione di serie temporali sono strumenti essenziali in diversi settori. Tra questi, i modelli basati su MLP (Multi-Layer Perceptron) hanno dimostrato una maggiore resistenza al rumore rispetto ai modelli basati su Transformer. Tuttavia, gli MLP tradizionali faticano a catturare caratteristiche complesse, limitandone l'efficacia nell'analisi delle dipendenze a lungo termine.

Per affrontare questa sfida, è stato proposto XLinear, un modello di previsione basato su MLP specificamente progettato per previsioni a lungo termine. XLinear decompone la serie temporale in componenti di trend e stagionali. Per il componente di trend, che contiene caratteristiche a lungo raggio, viene utilizzato un meccanismo di Enhanced Frequency Attention (EFA) per catturare le dipendenze a lungo termine tramite operazioni nel dominio della frequenza.

Inoltre, per il componente stagionale, viene proposto un blocco CrossFilter per preservare la robustezza del modello al rumore, evitando i problemi di bassa robustezza spesso associati ai meccanismi di attenzione. I risultati sperimentali dimostrano che XLinear raggiunge prestazioni all'avanguardia sui set di dati di test, mantenendo al contempo l'architettura leggera e l'elevata robustezza tipiche dei modelli basati su MLP.