Stationarity-Aware Retrieval-Augmented Time Series Forecasting

En 3 lignesSARAF, un framework de prévision de séries temporelles augmenté par récupération, adapte l'équilibre entre pertinence et diversité selon la stationnarité des données. Il sélectionne des segments historiques hétérogènes et agrège leurs futures de manière consciente de la non-stationnarité. Expériences sur 8 datasets réels montrent amélioration de précision et robustesse.

Résumé généré par Claude — vérifié par l'humain