面向通用时间序列分析的全维频率学习器
计算机视觉与模式识别
2024-07-22 v2 机器学习
摘要
频域表示的时间序列特征提供了一种简洁的表征方式，能够处理具有内在复杂性和动态特性的真实世界时间序列数据。然而，当前具有复杂操作的频率基方法在通用时间序列分析方面仍不足以媲美最新的时域方法。本文提出了基于对频谱特征三个方面深入分析的全维频率学习器（Omni-Dimensional Frequency Learner，ODFL）模型。该方法由用于注意力处理非显著频带和通道维度部分操作的语义自适应全局滤波器组成。经验结果表明，ODFL 在包括短期和长期预测、插值、分类和异常检测在内的五大主流时间序列分析任务中均实现了一致的领先表现，为时间序列分析提供了一条有前景的基础。
引用
@article{arxiv.2407.10419,
title = {Omni-Dimensional Frequency Learner for General Time Series Analysis},
author = {Xianing Chen and Hanting Chen and Hailin Hu},
journal= {arXiv preprint arXiv:2407.10419},
year = {2024}
}