研究者らは、GatedLinearを提案した。これは単一メカニズムのディープラーニングモデルの制限に対処する軽量なフレームワークであり、時系列予測を補完的な線形基底の適応的ルーティングとして捉える。このシステムは3つの特殊化されたメカニズムのプールを利用する：グローバルなトレンド・季節性基底、非定常ドリフトのための差分ベースの増分基底、および周期的再利用のための位相整列再帰基底。

  • 三角分解融合ゲートは、ルーティング決定をチャネル固有の好み、ホライズン対応オフセット、既知の未来時刻マークから導出された位相インデックス付きバイアスに分離する。
  • この設計により、計算量の重いニューラルモジュールを積み重ねることなく、異なる予測レジーム全体で非常に微細なポイントワイズソフトルーティングが可能になる。
  • 標準ベンチマークでの実験では、この手法は最近の複雑な基盤モデルに対して最先端または非常に競争力のある精度を達成していることが示された。

このアプローチは、大幅に小さいパラメータフットプリントで動作しながらも、明示的に解釈可能なルーティングパターンを提供する。