FreTS: ফ্রিকোয়েন্সি-ডোমেইন এমএলপি (MLP) ব্যবহার করে টাইম সিরিজ পূর্বাভাস
FreTS হলো Yi et al. কর্তৃক NeurIPS 2023-এ উপস্থাপিত একটি টাইম সিরিজ পূর্বাভাস আর্কিটেকচার। এটি ট্রান্সফরমার-ভিত্তিক ডিজাইন থেকে সরে এসে সম্পূর্ণ ফ্রিকোয়েন্সি ডোমেইনে সরল মাল্টি-লেয়ার পারসেপ্ট্রন (MLP) প্রয়োগ করে। মডেলটি ডিসক্রিট ফুরিয়ার ট্রান্সফর্ম (Discrete Fourier Transform) ব্যবহার করে ইনপুট সিকোয়েন্সকে রূপান্তরিত করে এবং তারপর জটিল-মূল্যের (complex-valued) MLP লেয়ারের মাধ্যমে টেম্পোরাল ও চ্যানেল নির্ভরতা শেখে, যা উল্লেখযোগ্যভাবে কম কম্পিউটেশনাল খরচে প্রতিযোগিতামূলক বা উন্নত দীর্ঘমেয়াদী পূর্বাভাস নির্ভুলতা অর্জন করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/bn/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: ফ্রিকোয়েন্সি এনহ্যান্সড ডিকম্পোজড ট্রান্সফরমারগভীর শিখন↔ compare
- FiLM: ফ্রিকোয়েন্সি উন্নত Legendre মেমরি মডেলগভীর শিখন↔ compare
- TSMixer: সময় সিরিজের পূর্বাভাসের জন্য সম্পূর্ণ MLP আর্কিটেকচারগভীর শিখন↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →