ATFNet：长时间序列预测的自适应时频集成网络

文章预览

来 源：Deephub Imba 本文 约1300字 ，建议阅读 5分钟 本文介绍了 ATFNet深度学习模型。 ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ATFNet是一个深度学习模型，它结合了时间域和频域模块来捕获时间序列数据中的依赖关系。引入了一种新的加权机制来调整周期性的权重，增强了离散傅立叶变换，并包括一个复杂关系识别的注意力机制，在长期时间序列预测中优于当前方法(每个模型都这么说)。这是4月发布在arxiv上的论文，还包含了源代码。 因为时间序列(TS)分析有两种类型的域，即时域和频域。时域是关于信号强度随时间的变化，而频域是从频率的角度分析时间序列。前者有助于理解局部依赖关系，后者有助于理解全局依赖关系。混合两者是一个很好的方法，但是需要确实可行的方法。 ATFNet框架旨在解决处理现实世界时间序列数据中不同周期特性混合的挑战。这种组合允 ………………………………