时间序列预测是一个具有挑战性的任务,尤其是在处理非平稳数据时。现有的基于正则化的方法虽然在解决分布偏移问题上取得了一定成功但仍存在局限性。这些方法主要在时间域进行操作,可能无法充分捕捉在频域中更明显的动态模式,从而导致次优的结果。
FredNormer论文的研究目的主要包括:
- 理论分析现有正则化方法如何影响频率分量,并证明它们在处理非零频率时的局限性。
- 提出一种新的频域正则化方法,能够自适应地增强关键频率分量的权重。
- 设计一种即插即用的模块,可以轻松集成到各种预测模型中,而不影响效率。
https://avoid.overfit.cn/post/85db3d9e923c4562a6206f1c9b38d120
标签：预测,频域,正则,序列,FredNormer,方法 From： https://www.cnblogs.com/deephub/p/18449778