FreTS: الشبكات العصبية متعددة الطبقات في مجال التردد للتنبؤ بالسلاسل الزمنية
FreTS هو بنية للتنبؤ بالسلاسل الزمنية قدمها Yi وآخرون في NeurIPS 2023. وهي تبتعد عن التصاميم القائمة على المحولات (Transformer) من خلال تطبيق شبكات عصبية متعددة الطبقات (MLPs) بسيطة بالكامل في مجال التردد. يقوم النموذج بتحويل التسلسلات المدخلة باستخدام تحويل فورييه المتقطع (Discrete Fourier Transform) ثم يتعلم الاعتماديات الزمنية والقناتية من خلال طبقات MLP ذات القيم المركبة، محققًا دقة تنبؤ طويلة الأجل تنافسية أو متفوقة بتكلفة حسابية أقل بكثير.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Yi, K., Zhang, Q., Fan, W., Wang, S., Wang, P., He, H., An, N., Lian, D., Cao, L., & Niu, Z. (2023). Frequency-domain MLPs are more effective learners in time series forecasting. NeurIPS. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/ar/deep-learning/frets
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- FEDformer: مُحَوِّل مُعَزَّز بالترددات ومُفَكَّكالتعلم العميق↔ compare
- نموذج الذاكرة ليجندر مع تحسين التردد (FiLM)التعلم العميق↔ compare
- TSMixer: بنية تعتمد كليًا على طبقات MLP للتنبؤ بالسلاسل الزمنيةالتعلم العميق↔ compare