7月12日消息，近日，阿里達(dá)摩院提出了一種長(zhǎng)時(shí)序預(yù)測(cè)的新模型FEDformer，精準(zhǔn)度比業(yè)界最優(yōu)方法提升14.8%以上，模型已應(yīng)用于電網(wǎng)負(fù)荷預(yù)測(cè)。相關(guān)論文已被機(jī)器學(xué)習(xí)頂會(huì)ICML2022收錄。據(jù)了解，ICML是機(jī)器學(xué)習(xí)領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議，達(dá)摩院決策智能實(shí)驗(yàn)室的論文《FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting》關(guān)注了機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典問題：時(shí)序預(yù)測(cè)（Time Series Forecasting）。此次阿里達(dá)摩院提出的新模型FEDformer融合了transformer和經(jīng)典信號(hào)處理方法。例如，利用傅立葉/小波變換將時(shí)域信息拆解為頻域信息，讓transformer更好地學(xué)習(xí)長(zhǎng)時(shí)序中的依賴關(guān)系；FEDformer也能排除干擾，具有更好的魯棒性。