TimesNet: Modelagem de Variação Temporal 2D para Séries Temporais

TimesNet é um modelo de propósito geral para séries temporais introduzido por Wu et al. na ICLR 2023. Sua ideia central é que séries temporais univariadas ou multivariadas podem ser reinterpretadas como coleções de mapas temporais bidimensionais, remodelando o sinal 1D de acordo com suas periodicidades dominantes, detectadas via Transformada de Fourier Rápida (FFT). Essa transformação de 1D para 2D expõe tanto padrões intra-período (dentro de um ciclo) quanto tendências inter-períodos (entre ciclos), permitindo que arquiteturas convolucionais 2D poderosas modelem a variação temporal.