Pyraformer: مُحَوِّل الانتباه الهرمي للتنبؤ بالسلاسل الزمنية طويلة المدى
Pyraformer هو نموذج قائم على المُحَوِّل (Transformer) للتنبؤ بالسلاسل الزمنية طويلة المدى، قدمه Liu وآخرون في مؤتمر ICLR 2022. ابتكاره المركزي هو وحدة الانتباه الهرمي (Pyramidal Attention Module - PAM) التي تنظم الرموز (tokens) في تسلسل هرمي متعدد الدقة، مما يمكّن النموذج من التقاط التبعيات الزمنية عبر مقاييس متعددة مع الحفاظ على التعقيد الزمني والذاكري عند O(L log L) بدلاً من التكلفة التربيعية للانتباه الذاتي القياسي.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Liu, S., Yu, H., Liao, C., Li, J., Lin, W., Liu, A. X., & Dustdar, S. (2022). Pyraformer: Low-complexity pyramidal attention for long-range time series modeling and forecasting. ICLR. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). Pyraformer (Pyramidal Attention for Long-Range Forecasting). ScholarGate. https://scholargate.app/ar/deep-learning/pyraformer
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.
- أوتوفورمر: مُحوّل التفكيك للتنبؤ بالسلاسل الزمنية طويلة الأمدالتعلم العميق↔ compare
- المُخبِر (Informer)التعلم العميق↔ compare
- المُصلِح (Reformer): المُحوِّل الفعّال للتسلسلات الطويلةالتعلم العميق↔ compare