FEDformer: Frequency Enhanced Decomposed Transformer

概述

2022年发表的Transformer改进模型，通过在频域中执行注意力计算，利用傅里叶变换捕捉全局模式，是时间序列预测领域的重要进展。

关键内容

1. 核心技术：
2. 在频域中计算注意力机制，减少计算复杂度
3. 利用傅里叶变换捕获全局时间序列模式

4. 结合时域和频域信息进行预测

5. 创新点：

6. 频域注意力：将时域信号转换到频域进行处理
7. 全局模式捕捉：利用频域特性更好地识别周期性

8. 高效计算：相比时域注意力计算效率更高

9. 应用价值：

10. 在多时间尺度序列预测任务中表现优异
11. 适用于具有复杂周期性的时间序列
12. 为频域分析在时间序列预测中的应用开辟新方向

来源

• 15-informer-2021-transformer-time-series — Informer: 当 Transformer 叩开时间序列预测的大门
• [[]] —

相关

• Informer — compares_to
• Autoformer — compares_to
• 时间序列预测 — relates_to
• 傅里叶变换 — uses