FreTS: Sagedusruumi MLP-d ajaseeria prognoosimiseks
FreTS on ajaseeria prognoosimise arhitektuur, mille esitasid Yi jt. ajakirjas NeurIPS 2023. See erineb Transformer-põhistest disainidest, rakendades lihtsaid mitmekihilisi perceptroneid (MLP) täielikult sagedusruumis. Mudel teisendab sisendjadadused diskreetse Fourier' teisendusega ja õpib seejärel ajaliselt ja kanalite vahelisi sõltuvusi komplekssete MLP-kihtide kaudu, saavutades konkurentsivõimelise või parema pikaajalise prognoosimise täpsuse märkimisväärselt madalamate arvutuslike kuludega.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/et/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: sagedustõhustatud dekomponeeritud TransformerSüvaõpe↔ compare
- FiLM: Sagedustäiustatud Legendre'i mälu mudelSüvaõpe↔ compare
- TSMixer: Kõik-MLP arhitektuur aegridade prognoosimiseksSüvaõpe↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →