摘要 本文发现泛在时间序列(TS)预测模型容易出现严重的过拟合。为了解决这个问题，我们采用了一种去冗余的方法来逐步恢复TS的真实值。具体来说，我们引入了一种双流和减法机制，这是一种深度Boosting集成学习方法。通过将信息聚合机制从加法转向减法，对普通的Transformer进行了改造。然后，我们在原始模型的每个块中加入一个辅助输出分支，构建一条通往最终预测的高速公路。该分支后续模块的输出将减