পাইরাফরমার: দীর্ঘ-পরিসরের সময়-সিরিজ পূর্বাভাসের জন্য পিরামিডাল অ্যাটেনশন ট্রান্সফরমার
পাইরাফরমার হলো একটি ট্রান্সফরমার-ভিত্তিক মডেল যা দীর্ঘ-পরিসরের সময়-সিরিজ পূর্বাভাসের জন্য Liu et al. কর্তৃক ICLR 2022-এ উপস্থাপিত হয়েছে। এর কেন্দ্রীয় উদ্ভাবন হলো একটি পিরামিডাল অ্যাটেনশন মডিউল (PAM) যা টোকেনগুলিকে একটি মাল্টি-রেজোলিউশন হায়ারার্কিতে সংগঠিত করে, মডেলটিকে একাধিক স্কেলে টেম্পোরাল নির্ভরতা ক্যাপচার করতে সক্ষম করে এবং ভ্যানিলা সেলফ-অ্যাটেনশনের কোয়াড্রেটিক খরচের পরিবর্তে O(L log L) সময়ে ও মেমরি জটিলতা বজায় রাখে।
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
- Liu, S., Yu, H., Liao, C., Li, J., Lin, W., Liu, A. X., & Dustdar, S. (2022). Pyraformer: Low-complexity pyramidal attention for long-range time series modeling and forecasting. ICLR. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 2). Pyraformer (Pyramidal Attention for Long-Range Forecasting). ScholarGate. https://scholargate.app/bn/deep-learning/pyraformer
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.
- Autoformer: দীর্ঘমেয়াদী সময়-সিরিজ পূর্বাভাসের জন্য ডিকম্পোজিশন ট্রান্সফরমারগভীর শিখন↔ compare
- Informerগভীর শিখন↔ compare
- দীর্ঘ অনুক্রমের জন্য কার্যকর ট্রান্সফরমার: রিফর্মারগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →