研究人员提出了 GatedLinear，这是一个轻量级框架，通过将时间序列预测构建为互补线性基的自适应路由，解决了单机制深度学习模型的局限性。该系统利用了一个包含三种专用机制的池：全局趋势-季节性基、用于非平稳漂移的基于差分的增量基，以及用于循环复用的相位对齐递归基。
- 三因子融合门将路由决策解耦为通道特定的偏好、感知预测区间的偏移量，以及源自已知未来时间标记的相位索引偏差。
- 该设计能够在不同的预测机制之间实现高度细粒度的逐点软路由，而无需堆叠计算密集型神经网络模块。
- 在标准基准上的实验表明，该方法达到了最先进的或极具竞争力的精度，优于近期复杂的基座模型。
该方法在保持 substantially 更小的参数规模的同时，提供了明确可解释的路由模式。