FreDF：基于频谱对准的时序模型训练方法，多项任务全面超越SOTA！

文章预览

点击 名片 关注并星标 #TSer # 扫下方二维码 ，加入时序人学术星球 参与算法讨论，获取前沿资料 （ 170+ 篇专栏笔记，已有 170+ 同学加入学习） 本文来源于知乎，点击「阅读原文」关注作者 原文链接 https://zhuanlan.zhihu.com/p/701597219 时间序列建模面临着历史序列和标签序列中自相关性的独特挑战。 当前的研究主要集中于处理历史序列中的自相关，但常常忽略它在标签序列中的存在。 具体来说，新兴的预测模型主要符合直接预测（DF）范式，在标签序列内条件独立的假设下生成多步预测。 这种假设忽略了标签序列中固有的自相关性，从而限制了基于 DF 的模型的性能。  本文介绍一篇来自浙江大学、中南大学等5所院校合作发布的工作。研究者针对上述差距， 引入了频率增强直接预测（FreDF），它通过学习在频域中进行预测来绕过标签自相关的复杂性 ………………………………