懂的都懂 芬兰木棋 ​​​​​​打怪升级

2021 RoboCom 世界机器人开发者大赛-本科组（决赛）题解

在传统的transformer预测模型中，将多个变量的同一时间戳作为一个temporal token，然后使用attention机制捕获时间相关性。但由于各时间戳间语义关系较小，transformer模型在性能和效率上都不如简单的线性层。作者认为基于transformer的预测器不适合多元时间序列预测。理由如下：1. 将同一时间戳不同变量值融合为一个temporal token，会消除多元相关性。

表格数据具有以下的特殊性：（1）表格数据包含表示连续、分类和有序值等多个特征，其中值可以是独立的，也可以是相关的。（2）表格数据中列的顺序可以是任意的，没有固定的位置信息由于表格数据的特殊性，表格模型必须处理来自多个离散和连续分布的特征，并且在不依赖位置信息的情况下发现相关性。下面作者介绍了专门处理表格数据的模型SAINT， SAINT用了很多方法来克服在表格数据上训练的困难。

AA - Chuanpai#include <bits/stdc++.h>#define lowbit(x) x&(-x)#define endl '\n'#define sf(x) scanf("%d",&x)#define rep(i,x) for(i=0;i<(x);i++)#define gen(x) x##_#define ios std::ios::s