TStruct：学习共享时序结构用于长期时间序列预测

2026年10月15日，arXiv Artificial Intelligence 刊出论文《TStruct：为长期时间序列预测学习共享时序结构》。该工作针对长期时间序列预测在时序分布偏移下容易拟合训练数据中偶然时序交互的问题，提出 Temporal Structure Network（TStruct）：直接参数化一组共享时序依赖矩阵，并利用动态样本信息与静态变量先验生成归一化组合权重，从而在共享结构约束下生成自适应时序依赖矩阵。论文称该工作已被 NeurIPS 2026 主赛道接收，并在全部数据集上均优于多个强基线，同时保持较高计算效率。目前事件进展即为此篇报道所披露的论文方法与接收、实验结论，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。