反转 Transformer，变成 iTransformer。
Transformer 在时间序列预测中出现了强大能力，可以描述成对依赖关系和提取序列中的多层次表示。然而，研究人员也质疑过基于 Transformer 的预测器的有效性。这种预测器通常将相同时间戳的多个变量嵌入到不可区分的通道中，并对这些时间 token 进行关注，以捕捉时间依赖性。考虑到时间点之间的数字关系而非语义关系，研究人员发现，可追溯到统计预测器的简单线性层在性能和效率上都超过了复杂的 Transformer。同时，确保变量的独立性和利用互信息越来越受到最新研究的重视，这些研究明确地建立了多变量相关性模型，以实现精确预测，但这一目标在不颠覆常见 Transformer 架构的情况下是难以实现的。
考虑到基于 Transformer 的预测器的争议，研究者们正在思考为什么 Transformer 在时间序列预测中的表现甚至不如线性模型，而在许多其他领域却发挥着主导作用。
近日，来自清华大学的一篇新论文提出了一个不同的视角 ——Transformer 的性能不是固有的，而是由于将架构不当地应用于时间序列数据造成的。
论文地址：https://arxiv.org/pdf/2310.06625.pdf
基于 Transformer 的预测器的现有结构可能并不适合多变量时间序列预测。如图 2 左侧所示，同一时间步长的点基本上代表了完全不同的物理意义，但测量结果却不一致，这些点被嵌入到一个 token 中，多变量相关性被抹去。而且，在现实世界中，由于多变量时间点的局部感受野和时间戳不对齐，单个时间步形成的标记很难揭示有益信息。此外，虽然序列变化会受到序列顺序的极大影响，但在时间维度上却没有适当地采用变体注意力机制。因此，Transformer 在捕捉基本序列表征和描绘多元相关性方面的能力被削弱，限制了其在不同时间序列数据上的能力和泛化能力。
关于将每个时间步的多变量点嵌入一个（时间）token 的不合理性，研究者从时间序列的反向视角出发，将每个变量的整个时间序列独立嵌入一个（变量）token，这是扩大局部感受野的 patching 的极端情况。通过倒置，嵌入的 token 聚集了序列的全局表征，可以更加以变量为中心，更好地利用注意力机制进行多变量关联。同时，前馈网络可以熟练地学习任意回溯序列编码的不同变量的泛化表征，并解码以预测未来序列。
研究者认为 Transformer 对时间序列预测并非无效，而是使用不当。在文中，研究者重新审视了 Transformer 的结构，并提倡将 iTransformer 作为时间序列预测的基本支柱。他们将每个时间序列嵌入为变量 token，采用多变量相关性关注，并使用前馈网络进行序列编码。实验结果表明，本文所提出的 iTransformer 在图 1 所示的实际预测基准上达到了 SOTA 水准，并出人意料地解决了基于 Transformer 的预测器的痛点。
总结来说，本文的贡献有以下三点：
研究者对 Transformer 的架构进行了反思，发现原生 Transformer 组件在时间序列上的能力尚未得到充分开发。
本文提出的 iTransformer 将独立时间序列视为 token，通过自注意力捕捉多变量相关性，并利用层归一化和前馈网络模块学习更好的序列全局表示法，用于时间序列预测。
通过实验，iTransformer 在真实世界的预测基准上达到了 SOTA。研究者分析了反转模块和架构选择，为未来改进基于 Transformer 的预测器指明了方向。
iTransformer
在多变量时间序列预测中，给定历史观测：
用 T 个时间步长和 N 个变量，研究者预测未来的 S 个时间步长：
。为方便起见，表示为
为时间步 t 同时记录的多元变量，
为每个变量由 n 索引的整个时间序列。值得注意的是，在现实世界中，由于监视器的系统延迟和松散组织的数据集，
可能不包含本质上相同时间戳的时间点。
的元素可以在物理测量和统计分布中彼此不同，变量
通常共享这些数据。
本文所提出架构配备的 Transformer 变体，称为 iTransformer，基本上没有对 Transformer 变体提出更具体的要求，只是注意力机制应适用于多元相关性建模。因此，一组有效的注意力机制可以作为插件，降低变量数量增加时关联的复杂性。
图 4 中所示的 iTransformer 利用了更简单的 Transformer 纯编码器架构，包括嵌入、投影和 Transformer 块。
实验及结果
研究者在各种时间序列预测应用中对所提出的 iTransformer 进行了全面评估，验证了所提出框架的通用性，并进一步深入研究了针对特定时间序列维度反转 Transformer 组件职责的效果。
研究者在实验中广泛纳入了 6 个真实世界数据集，包括 Autoformer 使用的 ETT、天气、电力、交通数据集、LST5 Net 提出的太阳能数据集以及 SCINet 评估的 PEMS 数据集。更多关于数据集的信息，请阅读原文。
预测结果
如表 1 所示，用红色表示最优，下划线表示最优。MSE/MAE 越低，预测结果越准确。本文所提出的 iTransformer 实现了 SOTA 性能。原生 Transformer 组件可以胜任时间建模和多元关联，所提出的倒排架构可以有效解决现实世界的时间序列预测场景。
iTransformer 通用性
研究者将该框架应用于 Transformer 及其变体来评估 iTransformers，这些变体通常解决了 self-attention 机制的二次复杂性问题，包括 Reformer、Informer、Flowformer 和 FlashAttention。研究者发现了简单的倒置视角可以提高基于 Transformer 的预测器的性能，从而提高效率、泛化未见变量并更好地利用历史观测数据。
表 2 对 Transformers 和相应的 iTransformers 进行了评估。值得注意的是，该框架持续改进了各种 Transformer。总体而言，Transformer 平均提升了 38.9%，Reformer 平均提升了 36.1%，Informer 平均提升了 28.5%，Flowformer 平均提升了 16.8%，Flashformer 平均提升了 32.2%。
此外，由于倒置结构在变量维度上采用了注意力机制，因此引入具有线性复杂性的高效注意力从根本上解决了因 6 个变量而产生的效率问题，这一问题在现实世界的应用中十分普遍，但对于 Channel Independent 来说可能会消耗资源。因此，iTransformer 可广泛应用于基于 Transformer 的预测器。
为了验证假设，研究者将 iTransformer 与另一种泛化策略进行了比较：Channel Independent 强制采用一个共享 Transformer 来学习所有变体的模式。如图 5 所示， Channel Independent（CI-Transformers）的泛化误差可能会大幅增加，而 iTransformer 预测误差的增幅要小得多。
由于注意力和前馈网络的职责是倒置的，图 6 中评估了随着回视长度的增加，Transformers 和 iTransformer 的性能。它验证了在时间维度上利用 MLP 的合理性，即 Transformers 可以从延长的回视窗口中获益，从而获得更精确的预测。
模型分析
为了验证 Transformer 组件的合理性，研究者进行了详细的消融实验，包括替换组件（Replace）和移除组件（w/o）实验。表 3 列出了实验结果。
更多详细内容，请参考原文。
