北大提出傅里叶分析神经网络FAN，填补周期性特征建模缺陷

北京大学李戈教授团队开发了 FAN（Fourier Analysis Networks），通过引入傅里叶级数思想，解决了现有模型在周期性建模上的不足。FAN 将周期性信息嵌入网络结构，显著提升了模型对周期性模式的理解和捕捉能力。实验表明，FAN 在周期性建模、符号公式表示、时间序列预测和语言建模等多个任务中均表现出色，超越了现有主流模型，如 Transformer 和 LSTM。FAN 不仅具有与 MLP 相同的表达能力，还减少了参数量和计算量，展现出广泛的应用潜力。
来源：https://mp.weixin.qq.com/s/ZEvZESbPl-oVLUkd6q14GA