FEDformer: Ενισχυμένη με Συχνότητα Αποσυντιθέμενη Τεχνητή Τετραπλή Αρχιτεκτονική (Transformer)
Το FEDformer είναι μια αρχιτεκτονική βασισμένη σε Τετραπλή Αρχιτεκτονική (Transformer) για μακροχρόνιες πολυμεταβλητές προβλέψεις χρονοσειρών, που εισήχθη από τους Zhou et al. στο ICML 2022. Η κύρια καινοτομία του είναι ο συνδυασμός αποσύνθεσης εποχικότητας-τάσης με προσοχή στο πεδίο συχνοτήτων: αντί να υπολογίζεται πλήρης προσοχή από διακριτικό σε διακριτικό στον τομέα του χρόνου, το FEDformer προβάλλει ερωτήματα, κλειδιά και τιμές στο πεδίο συχνοτήτων μέσω μετασχηματισμών Fourier ή κυματιδίων και λειτουργεί σε ένα τυχαία επιλεγμένο υποσύνολο συνιστωσών συχνότητας, επιτυγχάνοντας γραμμική πολυπλοκότητα, διατηρώντας παράλληλα την παγκόσμια χρονική δομή.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/el/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 Αποσύνθεσης για Μακροχρόνιες Προβλέψεις ΧρονοσειρώνΒαθιά Μάθηση↔ compare
- FiLM: Μοντέλο Μνήμης Βελτιωμένης Συχνότητας LegendreΒαθιά Μάθηση↔ compare
- ΕνημερωτήςΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →