计算机科学与技术学院郭强教授与其指导的本科生房乐鑫、硕士生王任合作完成的论文“Multivariate Time Series Forecasting Using Multiscale Recurrent Networks With Scale Attention and Cross-Scale Guidance”近日在《IEEE Transactions on Neural Networks and Learning Systems》期刊上在线发表。该期刊为中科院SCI一区Top期刊，最新影响因子为10.4，系我校特类期刊。

时序数据具有多尺度特性，利用这一特性可更加准确地描述数据的长短期依赖关系及其时变模式。论文针对多元时序数据预测问题，聚焦时序数据多尺度信息的有效利用，提出了尺度感知的深度循环网络预测模型。通过将尺度注意力机制引入深度循环网络，实现各尺度信息的动态选择；同时，引入跨尺度引导机制实现不同尺度特征间的引导解码，利用粗尺度特征引导细尺度特征的解码，降低高频噪声对特征解码过程的干扰，进而提升时序数据预测的准确度。在交通流量、用电量、股指以及汇率等多个公开数据集上的实验结果验证了所提模型的有效性。

（供稿审核人：杨春丽）