FreTS: Frekvenciatartománybeli MLP-k idősor-előrejelzéshez
A FreTS egy idősor-előrejelző architektúra, amelyet Yi et al. mutattak be a NeurIPS 2023 konferencián. Eltér a Transformer-alapú tervektől azáltal, hogy egyszerű, többrétegű perceptronokat (MLP) alkalmaz, teljes egészében a frekvenciatartományban. A modell a bemeneti sorozatokat a diszkrét Fourier-transzformációval alakítja át, majd komplex értékű MLP-rétegeken keresztül tanulja meg az időbeli és csatornafüggőségeket, elérve versenyképes vagy jobb hosszú távú előrejelzési pontosságot, lényegesen alacsonyabb számítási költséggel.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/hu/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: Frekvenciaerősített, dekomponált TransformerMélytanulás↔ compare
- FiLM: Frekvenciaoptimalizált Legendre Memória ModellMélytanulás↔ compare
- TSMixer: Minden-MLP Architektúra Idősor-ElőrejelzéshezMélytanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →