时序论文27｜Fredformer：频域去偏差的时序预测Transformer模型

论文标题：Fredformer: Frequency Debiased Transformer for Time Series Forecasting

论文链接：https://arxiv.org/abs/2406.09009

代码链接：https://github.com/chenzRG/Fredformer

前言

这篇文章发表于KDD2024，作者的出发点以及写作思路特别好，属于先通过定量分析发现时序预测任务中，频域信息利用不合理的问题，然后有针对性的设计了Fredformer模型，最后进行实验评估。所以论文读下来很顺畅，模型设计也让你感觉有据可循。

所以理解这篇文章，首先要跟着作者的思路。来看上面这张图，作者挑选了三个模型，分别是FEDformer、Patch TST和本文模型。其中绿线是真实数据，红线是模型预测的曲线，很明显FEDformer和Patch TST的预测，对数据大幅变化的情况预测的比较准，然而小幅波动却几乎不敏感。其实如果从频域的角度看，就是经过傅立叶变换后，已有的模型对低频特征敏感，