用于时间序列预测的深度学习：关键设计选择比架构更重要

本文批判了当前用于时间序列预测的深度学习现状，强调了基本设计原则（局部性、全局性）和实现细节的重要性，而不是复杂的架构。它认为当前的基准测试实践存在缺陷，并提出了一个模型卡，以便更好地基于关键设计选择来表征预测架构。核心论点是，当正确应用这些原则时，更简单、设计良好的模型通常可以胜过更复杂的模型。

• •基本设计原则（局部性、全局性）对于时间序列预测至关重要。
• •实现细节会显著影响模型性能。
• •简单、设计良好的架构可以胜过复杂的架构。
• •当前的基准测试实践需要改进。
• •提出了一个模型卡，用于基于关键设计选择来表征预测架构。