Machine learningTime-series forecasting

FreTS: Мрежни слојеви са више слојева (MLP) у фреквенцијском домену за прогнозирање временских серија

FreTS је архитектура за прогнозирање временских серија коју су увели Yi et al. на NeurIPS 2023. Она одступа од дизајна заснованих на Трансформеру применом једноставних мрежних слојева са више слојева (MLP) у потпуности у фреквенцијском домену. Модел трансформише улазне секвенце помоћу Дискретне Фуријеове трансформације, а затим учи временске и каналске зависности кроз слојеве MLP-а са комплексним вредностима, постижући конкурентну или супериорну тачност дугорочног прогнозирања уз знатно нижу рачунарску цену.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

The neighbourhood of related methods — select a node to explore.

Izvori

  1. 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/sr/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.

Compare side by side
ScholarGateFreTS (FreTS (Frequency-domain MLPs for Forecasting)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/deep-learning/frets · Skup podataka: https://doi.org/10.5281/zenodo.20539026