【论文阅读】基于深度学习的时序预测——Informer

系列文章链接
论文一：2020 Informer：长时序数据预测
论文二：2021 Autoformer：长序列数据预测
论文三：2022 FEDformer：长序列数据预测
论文四：2022 Non-Stationary Transformers：非平稳性时序预测
论文五：2022 Pyraformer：基于金字塔图结构的时序预测
论文六：2023 Crossformer：多变量时序预测
论文七：2023 LTSF-Linear：质疑transformer能力的线性预测模型

文章地址：https://arxiv.org/abs/2012.07436
github地址：https://github.com/zhouhaoyi/Informer2020
参考解读：论文阅读 | AAAI21最佳论文：Informer
视频解读参考：Informer原理及代码解析

这篇文章是北航提出的一篇预测论文，在实际预测过程中，大多数需要基于长期的数据，否则根据短期数据预测出来的结果是不置信的，近年来的研究表明，transformer在时序序列预测上的潜力。但是单纯使用transformer存在二次时间复杂度、高内存使用量和编码器-解码器体系结构固有的局限性，基于这个背景作者提出了一个新模型Informer，具体创新点如下：

1. ProbSparse self-attention：传统的self-attention会将每个点位和其他点位一起做权重分布计算，但在实际预测过程中，真正对当前点位预测造成影响的只有小部分，因此提出了一种概率稀疏注意力机制，把关注点关注在对当前值影响较大的点位上，以消除长尾数据的影响，权重计算复杂度从$O(L^2)$降低至$O(l\ast logL)$，具体计算步骤如下：
   (1) 为每个$query$都随机采样部分$key$，默认为$5\ast lnL$;
   (2) 计算每个$query$稀疏性得分，$M(q_i\ast k)$；
   (3) 选择得分最高的$N$个$query$，$N$默认值为$5\ast lnL$;
   (4) 只计算topN的$query$和$key$的点积结果，从而得到attention的结果；
   (5) 剩下的$L-N$个$query$就采用均值$mean(V)$作为输出，来保证大小的一致性；
   该部分值用在了self-attention部分，没有用在cross-attention部分；
   
   作者表明，对于其他的self-attention机制而言，当前机制相当于对于每个head进行基于采样的稀疏表示，相当于针对每个head的优化策略就存在差异，这种处理比常规的相同的处理更具优势；
2. 一步Decoder：正常情况下，多点预测会基于上一个点的预测结果去预测下一个点位，但是当前模型可以一次性输出多个点位的预测结果；在预测时会将历史数据作为Decoder的输入的一部分，包括数据的位置信息和时间点信息，将向量输入全连接层得到预测结果，placeholder位置就会有对应的输出值，计算损失的时候只计算预测部分的位置对应损失；
   
   在Decoder中是双层的结构。在第一层掩码稀疏自注意力模块中，采用了掩码机制避免预测数据的时候关注到未来点位的信息，在对当前点位进行预测时，未来点位的数据设置为$-\infty$，这样计算注意力的时候就不会关注到未来点位的信息，避免了自回归；第二层为一个多头交叉注意力模块，用于输出最终同维度的向量，进行目标序列和源序列的交互（512->2048->512）；