时序论文39 | 频域MLP在时间序列预测中更为有效

论文标题：Frequency-domain MLPs are More Effective Learners in Time Series Forecasting

论文链接：https://arxiv.org/abs/2311.06184

代码链接：https://github.com/aikunyi/FreTS

（后台回复“交流”加入讨论群，回复“资源”获取2024年度论文讲解合集）

研究背景

这篇文章要解决的问题是如何在时间序列预测中更有效地利用多层感知器（MLPs）。但是，MLPs依赖于点对点映射，难以捕捉时间序列的全局依赖性；此外，MLPs在处理时间序列的局部动态时容易出现信息瓶颈，影响预测性能。

如上图所示，通过探索了在频域中应用MLP进行时间序列预测，发现频域有两个固有的特性有利于预测，（i）全局全视图：频谱使得多层感知器（MLPs）能够全面理解信号，并更容易地学习全局依赖性；以及（ii）能量压缩：频域MLPs专注于频率成分中较小的关