ICML 时间序列预测
FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting
FEDformer要解决的问题
待预测的序列长度远远大于输入长度，即基于有限的信息预测更长远的未来。上述需求使得此预测问题极具挑战性，对于模型的预测能力及计算效率有着很强的要求。另外，然而在时间序列预测问题中，序列的分布可能随时间轴的推进不断变化，这就需要模型具备更强的外推能力。
FEDformer解决的方式
- 通过周期趋势项分解（seasonal-trend decomposition）降低输入输出的分布差异；
- 提出了一种在频域应用注意力机制的模型结构，以增加对噪声的鲁棒性。
FEDformer框架图
总体框架图
