7月12日消息，近日，阿里達摩院提出了一種長時序預測的新模型FEDformer，精準度比業(yè)界最優(yōu)方法提升14.8%以上，模型已應用于電網(wǎng)負荷預測。相關論文已被機器學習頂會ICML2022收錄。據(jù)了解，ICML是機器學習領域的頂級學術(shù)會議，達摩院決策智能實驗室的論文《FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting》關注了機器學習領域的經(jīng)典問題：時序預測（Time Series Forecasting）。此次阿里達摩院提出的新模型FEDformer融合了transformer和經(jīng)典信號處理方法。例如，利用傅立葉/小波變換將時域信息拆解為頻域信息，讓transformer更好地學習長時序中的依賴關系；FEDformer也能排除干擾，具有更好的魯棒性。