汇报内容：

《MR-Transformer: Multiresolution Transformer for Multivariate Time Series Prediction》，发表于TNNLS 2025。现有的基于Transformer的方法很少关注在上下文中提取短期信息，而短期模式在反映局部时间动态方面起着至关重要的作用。此外，多个变量之间既有一致性又有特殊性，在进行多变量时序建模时应充分考虑到这一点。针对这些问题，作者提出了一种用于多变量时间序列预测的多尺度Transformer（MR-Transformer）。MAGNN包含两点创新：（1）同时考虑了长期模式和短期模式，并设计了一个长短期Transformer，以获得更准确的时间序列预测；（2）除了时间分辨率之外，还考虑了变量分辨率。具体来说，充分考虑了变量一致性和变量特定性特征，从而通过结合时间步和变量之间的多分辨率特征来增强多变量时间序列建模能力。