请问这两行代码的作用是什么？ about timemixer HOT 8 CLOSED

问题1：请问图中328行的x_mark = x_mark.repeat(N, 1, 1)有什么作用？

这里是为了处理channel independent操作，因为把输入X的channel维度的N移到了batch上，这里x_mark也需要重复N次对齐；

问题2：请问图中340行x_list = self.pre_enc(x_list) 有什么作用呀？

这里是针对x的输入进行周期趋势的分解，分别进行处理

from timemixer.

问题1：请问图中328行的x_mark = x_mark.repeat(N, 1, 1)有什么作用？

这里是为了处理channel independent操作，因为把输入X的channel维度的N移到了batch上，这里x_mark也需要重复N次对齐；

问题2：请问图中340行x_list = self.pre_enc(x_list) 有什么作用呀？

这里是针对x的输入进行周期趋势的分解，分别进行处理

请问您在建模过程中，channel independent是根据效果做出的选择吗？一般来说是0还是1呢？

from timemixer.

请问这里的channel independent借鉴的是哪篇论文呢

from timemixer.

请问这里的channel independent借鉴的是哪篇论文呢

请参考patchTST（https://arxiv.org/abs/2211.14730）

from timemixer.

问题1：请问图中328行的x_mark = x_mark.repeat(N, 1, 1)有什么作用？

这里是为了处理channel independent操作，因为把输入X的channel维度的N移到了batch上，这里x_mark也需要重复N次对齐；

问题2：请问图中340行x_list = self.pre_enc(x_list) 有什么作用呀？

这里是针对x的输入进行周期趋势的分解，分别进行处理

请问您在建模过程中，channel independent是根据效果做出的选择吗？一般来说是0还是1呢？

通常针对具有复杂关系的多元变量，例如PEMS数据集等采用channel dependent；其余场景采用channel independent方案较好；具体可以参考这个论文https://arxiv.org/abs/2304.05206

from timemixer.

通常针对具有复杂关系的多元变量，例如PEMS数据集等采用channel dependent；其余场景采用channel independent方案较好；具体可以参考这个论文https://arxiv.org/abs/2304.05206

好的，感谢。如果我想通过变量ABC来预测ABC+D的变化，由于输入没有D，是不是只能选择channel dependent了？

from timemixer.

通常针对具有复杂关系的多元变量，例如PEMS数据集等采用channel dependent；其余场景采用channel independent方案较好；具体可以参考这个论文https://arxiv.org/abs/2304.05206

好的，感谢。如果我想通过变量ABC来预测ABC+D的变化，由于输入没有D，是不是只能选择channel dependent了？

你好，如果是协变量预测（如上所述，用变量ABC来预测ABC+D的）确实是需要选择channel dependent

from timemixer.

你好，如果是协变量预测（如上所述，用变量ABC来预测ABC+D的）确实是需要选择channel dependent

感谢您的耐心回答，对我帮助很大。我没有问题啦~

from timemixer.