iTransformer: Обърнат Трансформер за Многовариантно Прогнозиране на Времеви Редове
iTransformer е архитектура за дълбоко обучение за многовариантно прогнозиране на времеви редове, представена от Liu et al. на ICLR 2024. Основната ѝ идея е да обърне конвенционалната стратегия за токенизация на Трансформер: вместо да третира всяка времева стъпка като токен, iTransformer третира всеки вариат (сензорен канал или характеристичен ред) като единствен токен, чието вграждане кодира целия наблюдаван прозорец за поглед назад. След това се прилага самовнимание между вариатите, за да се уловят междуредовите зависимости, докато мрежа с права връзка във всеки токен научава времеви модели.
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
- Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted transformers are effective for time series forecasting. ICLR. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/bg/deep-learning/itransformer
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.
- CrossformerДълбоко обучение↔ compare
- PatchTSTДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →