FreTS: Frekvenčná oblasť MLPs pre predikciu časových radov
FreTS je architektúra pre predikciu časových radov, ktorú predstavili Yi et al. na konferencii NeurIPS 2023. Odkláňa sa od návrhov založených na Transformeroch tým, že aplikuje jednoduché viacvrstvové perceptrony (MLP) výhradne vo frekvenčnej oblasti. Model transformuje vstupné sekvencie pomocou diskrétnej Fourierovej transformácie a následne sa učí časové a kanálové závislosti prostredníctvom komplexných MLP vrstiev, čím dosahuje konkurencieschopnú alebo lepšiu dlhodobú predikčnú presnosť s podstatne nižšími výpočtovými nákladmi.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/sk/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: Frekvenčne vylepšený dekomponovaný TransformerHlboké učenie↔ compare
- FiLM: Vylepšený Legendreho pamäťový model založený na frekvenciiHlboké učenie↔ compare
- TSMixer: Čisto MLP architektúra pre predikciu časových radovHlboké učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →