FreTS: Viwanilishi vya Hisa za Mara kwa Mara kwa Utabiri wa Mfululizo wa Wakati
FreTS ni usanifu wa utabiri wa mfululizo wa wakati ulioanzishwa na Yi et al. katika NeurIPS 2023. Unatoka kwa miundo inayotegemea Transformer kwa kutumia Viwanilishi Rahisi vya Tabaka Nyingi (MLPs) kabisa katika uwanja wa masafa. Kielelezo hubadilisha mfuatano wa pembejeo na Ubadilishaji wa Fourier wa Kawaida na kisha hujifunza utegemezi wa muda na chaneli kupitia tabaka za MLP zinazojumuisha thamani, na kufikia usahihi wa utabiri wa muda mrefu unaoshindana au ulio bora kwa gharama kubwa ya hesabu.
Soma mbinu kamili
Ingia kwa akaunti ya bure ili kusoma sehemu hii.
Method map
The neighbourhood of related methods — select a node to explore.
Vyanzo
- 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 ↗
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/sw/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 Iliyoimarishwa kwa Masafa na UozoUjifunzaji wa Kina↔ compare
- FiLM: Kielelezo cha Kumbukumbu cha Legendre Kilichoimarishwa kwa MarudioUjifunzaji wa Kina↔ compare
- TSMixer: Usanifu wa All-MLP kwa Utabiri wa Mfuatano wa WakatiUjifunzaji wa Kina↔ compare
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →