FreTS: Višeslojni perceptroni u frekvencijskoj domeni za predviđanje vremenskih serija
FreTS je arhitektura za predviđanje vremenskih serija koju su predstavili Yi i suradnici na NeurIPS-u 2023. Odstupa od dizajna temeljenih na Transformerima primjenom jednostavnih višeslojnih perceptrona (MLP) u potpunosti u frekvencijskoj domeni. Model transformira ulazne sekvence diskretnom Fourierovom transformacijom, a zatim uči vremenske i kanalne ovisnosti kroz slojeve MLP-a s kompleksnim vrijednostima, postižući konkurentnu ili superiornu točnost dugoročnog predviđanja uz znatno niže računalne troškove.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/hr/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: Transformer s poboljšanom frekvencijom i dekompozicijomDuboko učenje↔ compare
- FiLM: Model poboljšan frekvencijom za pamćenje Legendreovih polinomaDuboko učenje↔ compare
- TSMixerDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →