FreTS: समय श्रृंखला पूर्वानुमान के लिए आवृत्ति-डोमेन एमएलपी
FreTS एक समय श्रृंखला पूर्वानुमान वास्तुकला है जिसे यी एट अल. ने NeurIPS 2023 में प्रस्तुत किया था। यह ट्रांसफार्मर-आधारित डिज़ाइनों से हटकर पूरी तरह से आवृत्ति डोमेन में सरल मल्टी-लेयर परसेप्ट्रॉन (MLPs) लागू करता है। मॉडल असतत फूरियर ट्रांसफॉर्म के साथ इनपुट अनुक्रमों को रूपांतरित करता है और फिर जटिल-मान वाले MLP परतों के माध्यम से लौकिक और चैनल निर्भरताओं को सीखता है, जिससे काफी कम कम्प्यूटेशनल लागत के साथ प्रतिस्पर्धी या बेहतर दीर्घकालिक पूर्वानुमान सटीकता प्राप्त होती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/hi/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: आवृत्ति संवर्धित विघटित ट्रांसफार्मरगहन अधिगम↔ compare
- FiLM: आवृत्ति-वर्धित लीजेंड्रे मेमोरी मॉडलगहन अधिगम↔ compare
- TSMixer: टाइम सीरीज़ पूर्वानुमान के लिए एक ऑल-एमएलपी आर्किटेक्चरगहन अधिगम↔ compare