作者：翟强 审核：穆炯 来源：信息工程学院
近日，信息工程学院在人工智能与数据挖掘领域取得里程碑式进展。学院2024级硕士研究生张鹏程为第一作者、翟强副教授为责任作者的研究成果《TS-MTM: Temporal-Spectral Masked Time-Series Modeling for Forecasting》被数据挖掘领域顶级国际会议KDD正式录用。
这是学院建院以来首次在CCF-A类国际顶级会议上发表论文，实现了历史性突破，标志着学院在人工智能基础理论与时间序列分析领域的研究实力已获得国际学术界的高度认可。ACM SIGKDD是美国计算机学会主办的数据挖掘领域历史最悠久、影响力最高的顶级学术会议，被中国计算机学会（CCF）推荐为A类会议。
图1. TS-MTM框架图
TS-MTM框架成功将一维序列转化为感知周期的二维时频表征，并在该联合表征空间中引入了两大核心协同机制：一是在时域中提出轴向-周期交叉掩码（APCM），沿周期内和跨周期捕捉不同阶段的时间依赖关系，迫使模型同时学习局部动态与全局季节性规律；二是在频域中提出结构感知频谱幅度掩码（SSMM），对幅度谱进行结构化掩码，使模型能够从局部频谱证据中重构全局频率域特征。此外，研究团队还引入了双域上下文对比目标，以确保两个互补视图在流形空间上的一致性。在九个公开基准数据集（涵盖能源、金融、气象、交通等）上的广泛评估表明，该模型在域内预测与跨域迁移两种场景下均取得了领先的预测性能。同时，该模型摒弃了传统的冗余架构，保持了轻量级设计，参数量与计算成本显著低于现有主流方案，展现出极强的实际落地与推广潜力。
本研究成果合作单位包括西南财经大学和阿联酋Alpaca AI实验室。
作者简介：
张鹏程，信息工程学院电子信息2024级硕士研究生，以第一作者在KDD、MICCAI顶级会议上发表论文2篇，在审一区TOP SCI 1篇。
翟强，通讯作者，信息工程学院2024年引进人才、特聘副教授，香港科技大学博士后。主要研究方向为人工智能与计算机视觉，已在CCF-A类顶级会议及Nature Plants、PR、COMPAG等核心期刊发表高水平论文10余篇。现同时于动物营养研究所开展“AI+种猪精准营养”交叉博士后研究（导师为吴德教授），致力于推动人工智能在智慧农业领域的落地应用。
