AAAI 2021最佳论文Informer:效果远超Transformer的长序列预测神器!

新智元

共 4061字,需浏览 9分钟

 ·

2021-02-26 12:44



  新智元推荐 

来源:炼丹笔记
作者:一元等

在很多实际应用问题中,我们需要对长序列时间序列进行预测,例如用电使用规划。长序列时间序列预测(LSTF)要求模型具有很高的预测能力,即能够有效地捕捉输出和输入之间精确的长程相关性耦合。最近的研究表明,Transformer具有提高预测能力的潜力。

然而,Transformer存在一些严重的问题,如:
二次时间复杂度、高内存使用率以及encoder-decoder体系结构的固有限制

为了解决这些问题,我们设计了一个有效的基于变换器的LSTF模型Informer,
它具有三个显著的特点:
  • ProbSparse Self-Attention,在时间复杂度和内存使用率上达到了,在序列的依赖对齐上具有相当的性能。



  • self-attention 提取通过将级联层输入减半来突出控制注意,并有效地处理超长的输入序列。



  • 产生式decoder虽然概念上简单,但在一个正向操作中预测长时间序列,而不是一步一步地进行,这大大提高了长序列预测的推理速度。



在四个大规模数据集上的大量实验表明,Informer的性能明显优于现有的方法,为LSTF问题提供了一种新的解决方案。

背景

Intuition:Transformer是否可以提高计算、内存和架构效率,以及保持更高的预测能力?


原始Transformer的问题

  • self-attention的二次计算复杂度,self-attention机制的操作,会导致我们模型的时间复杂度为;


  • 长输入的stacking层的内存瓶颈:J个encoder/decoder的stack会导致内存的使用为;


  • 预测长输出的速度骤降:动态的decoding会导致step-by-step的inference非常慢。





本文的重大贡献

本文提出的方案同时解决了上面的三个问题,我们研究了在self-attention机制中的稀疏性问题,本文的贡献有如下几点:
  • 提出Informer来成功地提高LSTF问题的预测能力,这验证了类Transformer模型的潜在价值,以捕捉长序列时间序列输出和输入之间的单个的长期依赖性;


  • 提出了ProbSparse self-attention机制来高效的替换常规的self-attention并且获得了的时间复杂度以及的内存使用率;


  • 提出了self-attention distilling操作全县,它大幅降低了所需的总空间复杂度


  • 提出了生成式的Decoder来获取长序列的输出,这只需要一步,避免了在inference阶段的累计误差传播;







问题定义

在固定size的窗口下的rolling预测中,我们在时刻的输入为,我们需要预测对应的输出序列,LSTF问题鼓励输出一个更长的输出,特征维度不再依赖于univariate例子().
  • Encoder-decoder框架:许多流行的模型被设计对输入表示进行编码,将编码为一个隐藏状态表示并且将输出的表示解码.在推理的过程中设计到step-by-step的过程(dynamic decoding),decoder从前一个状态计算一个新的隐藏状态以及第步的输出,然后对个序列进行预测

  • 输入表示:为了增强时间序列输入的全局位置上下文和局部时间上下文,给出了统一的输入表示。

方法

现有时序方案预测可以被大致分为两类:

高效的Self-Attention机制



self-attention需要的内存以及二次的点积计算代价,这是预测能力的主要缺点。

我们首先对典型自我注意的学习注意模式进行定性评估。“稀疏性” self-attention得分形成长尾分布,即少数点积对主要注意有贡献,其他点积对可以忽略。那么,下一个问题是如何区分它们?


Query Sparsity评估

我们定义第个query sparsity第评估为:
第一项是在所有keys的Log-Sum-Exp(LSE),第二项是arithmetic均值。

ProbSparse Self-attention


其中是和q相同size的稀疏矩阵,它仅包含稀疏评估下下Top-u的queries,由采样factor 所控制,我们令, 这么做self-attention对于每个query-key lookup就只需要计算的内积,内存的使用包含,但是我们计算的时候需要计算没对的dot-product,即,同时LSE还会带来潜在的数值问题,受此影响,本文提出了query sparsity 评估的近似,即:
这么做可以将时间和空间复杂度控制到


方法Encoder+Decoder


Encoder: Allowing for processing longer sequential inputs under the memory usage limitation


encoder被设计用来抽取鲁棒的长序列输入的long-range依赖,在第个序列输入被转为矩阵

Self-attention Distilling


作为ProbSparse Self-attention的自然结果,encoder的特征映射会带来值的冗余组合,利用distilling对具有支配特征的优势特征进行特权化,并在下一层生成focus self-attention特征映射。

它对输入的时间维度进行了锐利的修剪,如上图所示,n个头部权重矩阵(重叠的红色方块)。受扩展卷积的启发,我们的“distilling”过程从第j层往推进:

其中包含Multi-Head ProbSparse self-attention以及重要的attention block的操作。

为了增强distilling操作的鲁棒性,我们构建了halving replicas,并通过一次删除一层(如上图)来逐步减少自关注提取层的数量,从而使它们的输出维度对齐。因此,我们将所有堆栈的输出串联起来,并得到encoder的最终隐藏表示。

2. Decoder: Generating long sequential outputs through one forward procedure


此处使用标准的decoder结构,由2个一样的multihead attention层,但是,生成的inference被用来缓解速度瓶颈,我们使用下面的向量喂入decoder:


它可以防止每个位置都关注未来的位置,从而避免了自回归。一个完全连接的层获得最终的输出,它的超大小取决于我们是在执行单变量预测还是在执行多变量预测。

Generative Inference


我们从长序列中采样一个这是在输出序列之前的slice。

以图中预测168个点为例(7天温度预测),我们将目标序列已知的前5天的值作为“start token”,并将输入生成式推理解码器。

包含目标序列的时间戳,即目标周的上下文。注意,我们提出的decoder通过一个前向过程预测所有输出,并且不存在耗时的“dynamic decoding”。

Loss Function


此处选用MSE 损失函数作为最终的Loss。

实验

1. 实验效果

从上表中,我们发现:
  • 所提出的模型Informer极大地提高了所有数据集的推理效果(最后一列的获胜计数),并且在不断增长的预测范围内,它们的预测误差平稳而缓慢地上升。

  • query sparsity假设在很多数据集上是成立的;

  • Informer在很多数据集上远好于LSTM和ERNN



2. 参数敏感性

从上图中,我们发现:
  • Input Length:当预测短序列(如48)时,最初增加编码器/解码器的输入长度会降低性能,但进一步增加会导致MSE下降,因为它会带来重复的短期模式。然而,在预测中,输入时间越长,平均误差越低:信息者的参数敏感性。长序列(如168)。因为较长的编码器输入可能包含更多的依赖项;


  • Sampling Factor:我们验证了冗余点积的查询稀疏性假设;实践中,我们把sample factor设置为5即可,


  • Number of Layer Stacking:Longer stack对输入更敏感,部分原因是接收到的长期信息较多

3. 解耦实验

从上表中我们发现,
  • ProbSparse self-attention机制的效果:ProbSparse self-attention的效果更好,而且可以节省很多内存消耗;
  • self-attention distilling:是值得使用的,尤其是对长序列进行预测的时候;
  • generative stype decoderL:它证明了decoder能够捕获任意输出之间的长依赖关系,避免了误差的积累;

4. 计算高效性

  • 在训练阶段,在基于Transformer的方法中,Informer获得了最佳的训练效率。

  • 在测试阶段,我们的方法比其他生成式decoder方法要快得多。

小结

本文研究了长序列时间序列预测问题,提出了长序列预测的Informer方法。具体地:
  • 设计了ProbSparse self-attention和提取操作来处理vanilla Transformer中二次时间复杂度和二次内存使用的挑战。

  • generative decoder缓解了传统编解码结构的局限性。

  • 通过对真实数据的实验,验证了Informer对提高预测能力的有效性

参考文献:
  1. Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting:https://arxiv.org/pdf/2012.07436.pdf

推荐你看:
墨水屏遇到AI,再也不用纸笔来记笔记!

2021新智元又招人啦,最有料的AI平台邀你勇闯AI之巅!

浏览 43
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报