Нестационарен Трансформер
Нестационарен Трансформер е архитектура за прогнозиране на времеви редове, базирана на Трансформер, представена от Yong Liu, Haixu Wu, Jianmin Wang и Mingsheng Long на NeurIPS 2022. Тя адресира фундаментално напрежение при прилагането на Трансформери към реални времеви редове: свръхстационаризацията по време на предварителна обработка премахва нестационарни сигнали, които носят прогнозна информация, докато суровите нестационарни входове карат вниманието да се срине. Моделът решава това чрез стационаризация на редовете, съчетана с нов механизъм за де-стационарно внимание, който възстановява оригиналното времево разпределение в прогнозите.
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., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/bg/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.
- Тест на разширен Дики-Фулер (ADF) за единичен коренИконометрия↔ compare
- AutoformerДълбоко обучение↔ compare
- InformerДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →