単純なMLP ベースのエンコーダ・デコーダモデルであるTiDEは、人気の長期時系列予測ベンチマークで既存のニューラルネットワークベースの手法と同等以上の性能を発揮し、最高のTransformerベースのモデルに比べて5-10倍高速である。
時間領域と周波数領域の両方の特徴を同時に捉えることで、局所的な依存関係と大域的な依存関係の両方を効果的に活用し、長期時系列予測の精度を向上させる。
SparseTSFは、長期時系列予測の課題に対して、極めて軽量な1,000パラメータのモデルを提案する。その中心となるのは、周期性と傾向を切り離す「Cross-Period Sparse Forecasting」手法で、これにより高精度な予測を実現しつつ、モデルの複雑さを大幅に削減している。
ReCycleは、時系列データの主要サイクルを圧縮し、過去の平滑化平均プロファイルからの残差を学習することで、長期時系列予測の高精度化と計算コストの大幅な削減を実現する。