频域时间序列分析：一项开放挑战、机遇与基准的综述
计算工程、金融与科学
2025-10-21 v4 机器学习
摘要
频域分析已成为时间序列分析的强大范式，相较于传统时域方法具有独特优势，同时引入了新的理论和实际挑战。本综述提供了从经典傅里叶分析到现代神经算子等谱方法的全面检视，系统概述了当前研究中的三个开放挑战：(1) 在谱变换期间保持因果结构，(2) 学习的频率表示的不确定性量化，(3) 针对非欧几里得数据结构的拓扑感知分析。通过对100多项研究进行严格审阅，我们构建了一种统一的分类框架，将传统谱技术与前沿机器学习方法相结合，同时建立了用于性能评估的标准化基准。我们的工作识别了该领域的关键知识空白，特别是在几何深度学习和量子增强谱分析方面。本综述为实践者提供了一套系统的方法选择和实施框架，勾勒了该快速演化领域未来研究的有前景的方向。
引用
@article{arxiv.2504.07099,
title = {Time Series Analysis in Frequency Domain: A Survey of Open Challenges, Opportunities and Benchmarks},
author = {Qianru Zhang and Yuting Sun and Honggang Wen and Peng Yang and Xinzhu Li and Ming Li and Kwok-Yan Lam and Siu-Ming Yiu and Hongzhi Yin},
journal= {arXiv preprint arXiv:2504.07099},
year = {2025}
}
备注
35 pages