FEDformer: Frekvenčně vylepšený dekomponovaný Transformer
FEDformer je architektura založená na Transformeru pro dlouhodobou vícerozměrnou predikci časových řad, představená Zhou et al. na ICML 2022. Její hlavní inovací je kombinace sezónně-trendové dekompozice s pozorností ve frekvenční doméně: namísto výpočtu plné pozornosti token-to-token v časové doméně, FEDformer promítá dotazy (queries), klíče (keys) a hodnoty (values) do frekvenční domény pomocí Fourierovy nebo vlnkové transformace a operuje na náhodně vybrané podmnožině frekvenčních komponent, čímž dosahuje lineární složitosti při zachování globální časové struktury.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L., & Jin, R. (2022). FEDformer: Frequency enhanced decomposed transformer for long-term series forecasting. ICML. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/cs/deep-learning/fedformer
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: Transformer s dekompozicí pro dlouhodobé časové řadyHluboké učení↔ compare
- FiLM: Model s vylepšenou frekvencí a Legendreovou pamětíHluboké učení↔ compare
- InformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →