AI论文速读 | 2024[KDD]GinAR—变量缺失端到端多元时序预测

题目：GinAR: An End-To-End Multivariate Time Series Forecasting Model Suitable for Variable Missing

作者：Chengqing Yu（余澄庆）, Fei Wang（王飞）, Zezhi Shao（邵泽志）, Tangwen Qian, Zhao Zhang, Wei Wei（魏巍）, Yongjun Xu（徐勇军）

机构：中科院计算所，华中科技大学

arXiv网址：https://arxiv.org/abs/2405.11333

Cool Paper：https://papers.cool/arxiv/2405.11333

代码：https://github.com/Jimmy-7664/STD-MAE

关键词：多变量时间序列预测，缺失值下的预测，图神经网络，插值注意力，自适应图卷积

TL; DR: 本文提出了一种新颖的图插值注意力递归（Recursive）网络（GinAR），用于解决多变量时间序列预测中存在的变量缺失问题，通过插值注意力和自适应图卷积技术，即使在高达90%的变量缺失情况下，也能准确预测未来值。