المحول غير المستقر (Non-stationary Transformer)
المحول غير المستقر (Non-stationary Transformer) هو بنية تنبؤ بالسلاسل الزمنية تعتمد على المحولات (Transformer) قدمها Yong Liu و Haixu Wu و Jianmin Wang و Mingsheng Long في مؤتمر NeurIPS 2022. تعالج هذه البنية توترًا أساسيًا في تطبيق المحولات على السلاسل الزمنية الواقعية: الإفراط في الاستقرار أثناء المعالجة المسبقة يزيل الإشارات غير المستقرة التي تحمل معلومات تنبؤية، بينما تتسبب المدخلات غير المستقرة الخام في انهيار آلية الانتباه. يحل النموذج هذه المشكلة من خلال استقرار السلاسل مقترنًا بآلية انتباه مبتكرة تزيل عدم الاستقرار (de-stationary attention) تعيد التوزيع الزمني الأصلي في التنبؤات.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Liu, Y., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/ar/deep-learning/nonstationary-transformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- اختبار جذر الوحدة المعزز لديكي-فولر (ADF)الاقتصاد القياسي↔ compare
- أوتوفورمر: مُحوّل التفكيك للتنبؤ بالسلاسل الزمنية طويلة الأمدالتعلم العميق↔ compare
- المُخبِر (Informer)التعلم العميق↔ compare