TimesNet : modélisation de la variation 2D temporelle pour les séries chronologiques

TimesNet est un modèle généraliste de séries chronologiques introduit par Wu et al. à l'ICLR 2023. Son idée centrale est que les séries chronologiques univariées ou multivariées peuvent être réinterprétées comme des collections de cartes temporelles bidimensionnelles en remodelant le signal 1D selon ses périodicités dominantes, détectées via la transformée de Fourier rapide (FFT). Cette transformation 1D vers 2D expose à la fois les motifs intra-période (au sein d'un cycle) et les tendances inter-périodes (entre les cycles), permettant aux architectures convolutionnelles 2D puissantes de modéliser la variation temporelle.