极简却超强：华东师大 APN 打破 IMTS 预测的 SOTA 垄断

本文介绍了华东师范大学团队提出的APN框架，旨在解决不规则多变量时间序列预测中的难题。背景方面，传统固定Patch策略在处理医疗、气象等不规则采样数据时面临信息密度不均和语义截断的挑战，现有模型如ODE或GNN计算开销大。研究目的上，APN通过自适应Patch聚合（TAPA模块）动态调整时间窗口，采用加权聚合直接处理原始观测，避免插值噪声，后端使用极简的MLP解码器提升效率。结论显示，APN在多个真实数据集上超越了GraFITi等SOTA模型，实现了预测精度和计算效率的双重优化，为不规则时间序列预测提供了高效且易于实现的基线方法。