FreTS: Makro-modele me shtresa shumë shtresore (MLP) në domenin e frekuencës për parashikimin e serive kohore
FreTS është një arkitekturë për parashikimin e serive kohore e prezantuar nga Yi et al. në NeurIPS 2023. Ajo shmang modelet e bazuara në Transformer duke aplikuar Makro-modele të thjeshta me shtresa shumë shtresore (MLP) tërësisht në domenin e frekuencës. Modeli transformon sekuencat hyrëse me Transformimin diskret të Furjë dhe më pas mëson varësitë kohore dhe kanalore përmes shtresave MLP komplekse, duke arritur saktësi parashikimi afatgjatë konkurruese ose superiore me kosto llogaritëse dukshëm më të ulët.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/sq/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 me Frekuencë të Përforcuar dhe Të DeKompozuarMësimi i thellë↔ compare
- FILM: Modeli i Përmirësuar i Kujtesës Legendre me FrekuencëMësimi i thellë↔ compare
- TSMixer: Arkitekturë e plotë MLP për parashikimin e serive kohoreMësimi i thellë↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →