dumaiПрепринт — материал ещё не прошёл рецензирование
FFT-предобработка улучшает обучение признаков на временных рядах
0
Кратко
Авторы проверили, как заранее поворачивать данные в другом базисе перед обучением модели, которая извлекает признаки по H-Score. На восьми наборах многомерных временных рядов такой подход особенно помогал, когда данных и вычислительных ресурсов было мало: в лучшем случае NMSE снижалась на 50%.
Зачем это знать
Работа предлагает метрики, которые заранее подсказывают, когда FFT-предобработка поможет, а когда навредит. Проверка шла на восьми наборах данных, и эффект сильно зависит от самих данных.
Пересказано ИИ по научной статье. Как это устроено
Источник и детали
ЖурналarXiv (cs.LG)
Дата публикации у нас3 июля 2026 г.
Дата источника2 июля 2026 г.
ОригиналОткрыть
АвторыPreston Pitzer, Anish Pradhan, Harpreet S. Dhillon