ATFNet是一个深度学习模型，它结合了时间域和频域模块来捕获时间序列数据中的依赖关系。引入了一种新的加权机制来调整周期性的权重，增强了离散傅立叶变换，并包括一个复杂关系识别的注意力机制，在长期时间序列预测中优于当前方法(每个模型都这么说)。这是4月发布在arxiv上的论文，还包含了源代码。
因为时间序列(TS)分析有两种类型的域，即时域和频域。时域是关于信号强度随时间的变化，而频域是从频率的角度分析时间序列。前者有助于理解局部依赖关系，后者有助于理解全局依赖关系。混合两者是一个很好的方法，但是需要确实可行的方法。
https://avoid.overfit.cn/post/f5c9d23299df48759b9bf7e58eab93cb
标签：集成,ATFNet,依赖,频域,时频,时间,序列 From： https://www.cnblogs.com/deephub/p/18195528