Autoformer: দীর্ঘমেয়াদী সময়-সিরিজ পূর্বাভাসের জন্য ডিকম্পোজিশন ট্রান্সফরমার
Autoformer হলো দীর্ঘমেয়াদী সময়-সিরিজ পূর্বাভাসের জন্য একটি ডিপ লার্নিং আর্কিটেকচার, যা Tsinghua University-এর Wu et al. কর্তৃক NeurIPS 2021-এ উপস্থাপিত হয়েছে। এটি স্ট্যান্ডার্ড সেলফ-অ্যাটেনশন মেকানিজমের পরিবর্তে একটি অটো-কোরিলেশন মেকানিজম ব্যবহার করে যা ফ্রিকোয়েন্সি ডোমেইনে পর্যায়ক্রমিক নির্ভরতা কাজে লাগায় এবং এনকোডার ও ডিকোডারের মধ্যে একটি প্রোগ্রেসিভ সিরিজ ডিকম্পোজিশন ব্লক যুক্ত করে, যা ট্রেন্ড (trend) এবং সিজনাল (seasonal) কম্পোনেন্টকে আলাদাভাবে মডেল করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Wu, H., Xu, J., Wang, J., & Long, M. (2021). Autoformer: Decomposition transformers with auto-correlation for long-term series forecasting. NeurIPS, 34. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Autoformer (Auto-Correlation Decomposition Transformer). ScholarGate. https://scholargate.app/bn/deep-learning/autoformer
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.
- ARIMA (Autoregressive Integrated Moving Average) মডেলঅর্থমিতি↔ compare
- FEDformer: ফ্রিকোয়েন্সি এনহ্যান্সড ডিকম্পোজড ট্রান্সফরমারগভীর শিখন↔ compare
- Informerগভীর শিখন↔ compare
- TimesNet: সময় সিরিজের জন্য টেম্পোরাল ২ডি-ভ্যারিয়েশন মডেলিংগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →