文章总结这篇论文提出了一种称为可逆实例归一化（RevIN）的新方法，用于解决时间序列预测中的分布变化问题。时间序列数据的统计特性（如均值和方差）随时间变化，会导致训练和测试数据分布不一致，进而影响模型的预测性能。RevIN通过先对输入数据进行归一化，再在输出层反归一化的方式，保留并