FEDformer: Подобрен с честотна област Трансформър
FEDformer е архитектура, базирана на Трансформър, за дългосрочно многовариантно прогнозиране на времеви редове, представена от Zhou et al. на ICML 2022. Нейната основна иновация е комбинацията от декомпозиция на сезонност-тренд с внимание в честотната област: вместо да се изчислява пълно внимание от токен към токен във времевата област, FEDformer проектира заявки, ключове и стойности в честотната област чрез Фурие или уейвлет трансформации и оперира върху случайно избран поднабор от честотни компоненти, постигайки линейна сложност, като същевременно запазва глобалната времева структура.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L., & Jin, R. (2022). FEDformer: Frequency enhanced decomposed transformer for long-term series forecasting. ICML. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/bg/deep-learning/fedformer
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.
- AutoformerДълбоко обучение↔ compare
- FiLM: Подобрен с честота модел с Лежандрова паметДълбоко обучение↔ compare
- InformerДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →