FreTS: Mạng nơ-ron đa lớp (MLP) trong miền tần số cho dự báo chuỗi thời gian
FreTS là một kiến trúc dự báo chuỗi thời gian được giới thiệu bởi Yi và cộng sự tại NeurIPS 2023. Nó khác biệt với các thiết kế dựa trên Transformer bằng cách áp dụng các mạng nơ-ron đa lớp (MLP) đơn giản hoàn toàn trong miền tần số. Mô hình biến đổi các chuỗi đầu vào bằng Biến đổi Fourier Rời rạc (Discrete Fourier Transform) và sau đó học các phụ thuộc thời gian và kênh thông qua các lớp MLP giá trị phức, đạt được độ chính xác dự báo dài hạn cạnh tranh hoặc vượt trội với chi phí tính toán thấp hơn đáng kể.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). FreTS (Frequency-domain MLPs for Forecasting). ScholarGate. https://scholargate.app/vi/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 phân rã tăng cường tần sốHọc sâu↔ compare
- Mô hình Bộ nhớ Legendre Cải tiến Tần số (FiLM)Học sâu↔ compare
- TSMixer: Kiến trúc Toàn MLP cho Dự báo Chuỗi Thời gianHọc sâu↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →