Informer
Informer হলো ২০২১ সালে Zhou et al. কর্তৃক প্রবর্তিত একটি Transformer-ভিত্তিক মডেল, যা দীর্ঘ-সিকোয়েন্স টাইম-সিরিজ ফোরকাস্টিংয়ের জন্য ব্যবহৃত হয়। এটি ProbSparse সেলফ-অ্যাটেনশন মেকানিজম ব্যবহার করে, যা স্ট্যান্ডার্ড Transformer-এর কম্পিউটেশনাল জটিলতা O(L log L)-এ নামিয়ে আনে। এটি এমন সব সমস্যার জন্য তৈরি করা হয়েছে যেখানে হাজার হাজার ভবিষ্যৎ ধাপের পূর্বাভাস প্রয়োজন।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
উৎস
- Zhou, H. et al. (2021). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. AAAI. DOI: 10.1609/aaai.v35i12.17325 ↗
- 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 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/bn/deep-learning/informer
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
- DeepARগভীর শিখন↔ compare
- N-HiTSগভীর শিখন↔ compare
- PatchTSTগভীর শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →