Self-Gating Attention：以共享注意力模式降低时间序列预测成本

论文提出可插拔的 Self-Gating Attention（SGA），用共享可学习矩阵表示稳定的注意力模式，再叠加输入相关残差，避免标准自注意力中的查询、键投影，将长序列上的时间与分数矩阵内存复杂度降为线性。作者在涵盖电力、金融、天气、医疗等领域的9个公开数据集上评估，报告称其效率提升且预测性能保持竞争力，但摘要未给出具体数值。