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。
