PulseAugur
中
实时 08:56:43
English(EN) RouteTS: Frequency-Time Routing for Time Series Forecasting

RouteTS框架通过优化数据域来预测时间序列

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的时间序列预测框架RouteTS，它通过在频域和时域中处理数据来解决现有方法的局限性。该方法根据幅度对频域进行分区，将主导频率分配给频域预测器以保留周期性结构，并将残差能量分配给时域MLP以模拟局部变化。实验表明，RouteTS在各种真实世界数据集上实现了具有竞争力的准确性和计算效率。 AI

影响 通过为不同数据特征优化计算域，为时间序列预测提供了一个原则性的解决方案。

排序理由 该集群包含一篇详细介绍时间序列预测新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

RouteTS框架通过优化数据域来预测时间序列

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Gaofeng Lin, Lei Duan ·

    RouteTS：用于时间序列预测的频域路由

    arXiv:2608.14682v1 Announce Type: cross Abstract: Real-world time series inherently intertwine global periodic structures with localized non-stationary variations. Existing approaches process these heterogeneous dynamics within a single computational domain, incurring fundamental…

相关实体

相关话题