FreDF：频域预测缓解标签自相关偏差
热点事件持续更新
FreDF：频域预测缓解标签自相关偏差
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
针对时间序列预测中 Direct Forecast（DF）范式忽略未来标签自相关、导致学习目标有偏的问题，Hao Wang 等提出频域增强直接预测方法 FreDF，通过在频域中学习预测来缓解标签自相关并降低估计偏差。研究者称，实验显示 FreDF 显著优于现有 SOTA 方法，并兼容多种预测模型。 该工作已被 ICLR 2025 接收，代码已开源。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
FreDF：在频域中学习预测的时间序列模型报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LGFreDF：在频域中学习预测的时间序列模型
针对现有 Direct Forecast（DF）范式忽略未来标签自相关、导致学习目标有偏的问题，研究者提出频域增强直接预测方法 FreDF，通过在频域中学习预测来缓解标签自相关并降低估计偏差。实验显示 FreDF 显著优于现有 SOTA 方法，并兼容多种预测模型，代码已开源，该工作已被 ICLR 2025 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。