基于频率域的单度理论多层感知机模型：FSMLP 用于通道依赖建模
机器学习
2026-03-05 v3
摘要
时间序列预测（TSF）在 web 数据分析、能源消耗预测和天气预报等多个领域发挥着关键作用。虽然多层感知机（MLP）轻量且有效地捕获时间依赖性，但在用于建模通道间依赖性时容易出现过拟合。本文使用 Rademacher 复杂度理论探讨了通道级 MLP 中的过拟合问题，揭示极端值在时间序列数据中的存在会加剧此问题。为缓解此问题，我们引入了单度-MLP 层，约束权重位于标准单度内。此策略鼓励模型学习更简单的模式，从而减少对极端值的过拟合。基于单度-MLP 层，我们提出了新的频率单度 MLP（FSMLP）框架，用于时间序列预测，包含两个模块：单度通道-感知 MLP（SCWM）和频率时间 MLP（FTM）。SCWM 有效利用单度-MLP 捕获通道间依赖性，而 FTM 是一个简单而高效的时序 MLP，用于从数据中提取时序信息。我们的理论分析表明，单度-MLP 的 Rademacher 复杂度上界低于标准 MLP。此外，我们在七个基准数据集上验证了所提方法，显示在预测准确度和效率方面均有显著提升，同时展示了卓越的可扩展性。我们还展示了单度-MLP 可改善其他使用通道级 MLP 的方法，实现更少的过拟合和更佳性能。代码可在 \href{https://github.com/FMLYD/FSMLP}{\textcolor{red}{here}} 获取。
引用
@article{arxiv.2412.01654,
title = {FSMLP: Modelling Channel Dependencies With Simplex Theory Based Multi-Layer Perceptions In Frequency Domain},
author = {Zhengnan Li and Haoxuan Li and Hao Wang and Jun Fang and Yuting Tan and Xilong Cheng Yunxiao Qin},
journal= {arXiv preprint arXiv:2412.01654},
year = {2026}
}