Fedformer中的小波变换(FEB-w模块)

为什么要引入小波变换?

傅里叶变换在频域创建信号的表示,而小波变换在频域和时域都创建表示,从而有效的获取信号的局部信息。

小波变换其实是一门很广泛的技术,其延伸有小波分解与重构,这在FEB-w涉及,那啥是小波分解与重构呢,可以看看这个视频,讲的不错,请给这个小哥点个赞

小波分解与重构_哔哩哔哩_bilibili

怎么理解下面提到的FEB-f模块呢?请看这个链接捏。

这个Decomposed Matrix在我目前的认知范围内,作用是把信号分解成低频与高频部分(这个是小波变换做的事情),然后对于FEB-w模块,就是分解+FEB-f+信号重构,对于FEA-w模块,就是分解+FEA-f+信号重构。

其实说一下为什么要信号重构呢?就像在FEB-f模块中,我对

图5

请问一下fedformer中FEB-f 进行了FFT变换然后再IFFT变回时序数据,为什么还要变回来呢 FEB-w模块也是dwt后在idwt变回时序数据

Fedformer中的小波变换(FEB-w模块)_第1张图片

学术论坛第十五期:深度学习用于时序预测的最新进展_哔哩哔哩_bilibili

参考资料

(248条消息) 【ICML 2022】时间序列预测——FEDformer (Frequency Enhanced Decomposed Transformer)_innerVoi的博客-CSDN博客

(248条消息) Fedformer中的FEB-f模块与torch.nn.Parameter的简单理解_思考实践的博客-CSDN博客https://blog.csdn.net/weixin_43332715/article/details/125221702?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166696029516782428622464%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=166696029516782428622464&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~rank_v31_ecpm-8-125221702-null-null.nonecase&utm_term=%E6%9C%AA%E5%AE%8C%E5%BE%85%E7%BB%AD&spm=1018.2226.3001.4450

你可能感兴趣的:(#,深度学习Pytorch框架,#,深度学习疑难杂症,人工智能,机器学习,深度学习,深度学习,人工智能)