多尺度卷积与最优传输注意力在多变量时间序列中的作用

论文提出MSC-OT多变量时间序列预测架构，将倒置嵌入、多尺度卷积与Sinkhorn最优传输结合。模型分别增强变量交互空间中的局部结构、平衡注意力信息流，并通过自适应融合组合基础注意力、卷积增强和OT正则化分数。摘要称其在ETT、Electricity、Traffic、Solar-Energy和Exchange-Rate等数据集的短期与长期预测中表现良好，并通过消融实验验证各组件贡献。