時系列予測は多様な分野で重要ですが、従来のMLPモデルには季節信号の損失や容量制約、チャネル不融合などの課題があります。本研究では、これらの問題に対処するため、MDMLP-EIA（Multi-domain Dynamic MLPs with Energy Invariant Attention）を提案します。主な革新ポイントは3つあります。第一に、強弱の季節信号を分類する適応型二重ドメイン季節MLPを開発し、ノイズ干渉を最小化しながら予測を統合します。第二に、エネルギー不変アテンションメカニズムを導入し、時間ステップにわたって異なる特徴チャネルに焦点を当て、信号エネルギーを一定に保ちます。第三に、チャネル無関係なMLPのための動的容量調整メカニズムを提案し、チャネル数が増加するにつれてニューロン数を調整します。実験結果は、MDMLP-EIAが予測精度と計算効率の両方で最先端の性能を示すことを明らかにしています。