深度分析 PAMod 框架:在正規化特徵空間以相位與振幅調變自適應週期性分布偏移 時序資料在實務應用常出現非平穩性——平均與變異會隨時間或週期變動,造成既有模型泛化困難。PAMod 提出在正規化後的特徵空間中,透過學習週期性嵌入進行相位(平均)與振幅(變異)兩種調變,分別以加性與乘性方式校正表示。此設計等價於動態去歸一化,能保留週期結構而非一律去除非平穩成分,並以輕量、可插拔模組的形式整合到現有預測器。