Informer
Informer je model založený na architektuře Transformer, představený Zhou et al. v roce 2021 pro předpovídání dlouhých časových řad, využívající mechanismus samo-pozornosti ProbSparse, který snižuje výpočetní složitost standardního Transformeru na O(L log L). Je navržen pro problémy vyžadující předpovědi na tisíce budoucích kroků.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/cs/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.
- Model ARIMA (autoregresní integrovaný klouzavý průměr)Ekonometrie↔ compare
- DeepARHluboké učení↔ compare
- N-HiTSHluboké učení↔ compare
- PatchTSTHluboké učení↔ compare
- Random ForestStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →