论文标题：FITS: Modeling Time Series with 10k Parameters
开源代码：https://anonymous.4open.science/r/FITS/README.md
前言
FITS（Frequency Interpolation Time Series Analysis Baseline）这篇文章发表于ICLR2024，也是之前SOTA的线性模型DLinear团队的最新论文。FITS的主要贡献在于基于傅立叶变换和低通滤波，通过在复频域内进行插值来操作时间序列，结合时域和频域优势，适用于边缘计算和实时分析任务，据作者所说，它具有大约10,000个参数。
我个人觉得，大家很要必要研读一下DLinear和FITS这两篇文章，不在于模型，而在于作者讲故事的能力和技巧。如何把一个结构简单的模型，放到一个特定的应用领域（边缘端）讲出来，特别是配合分析。
傅立叶变换
由于这篇文章的核心卖点之一就是进行了傅立叶变换，所以作者在论文中首先回顾了傅立叶变换的基本知识点，涉及时间序列数据从时域到频域的转换。
在傅里叶分析中，复频域是一种信号表示方法，其中每个频率分量都用一个复数来表征。这个复数包含了该频率分量的幅度和相位。频率分量的幅度代表了该分量在原始时域信号中的大小或强度。相对地，相位则表示了该分量引入的时间上的偏移或延迟。数学上，与频率分量相关联的复数可以表示为具有特定幅度和相位的复指数形式：
这里，
