Ενημερωτής
Ο Informer είναι ένα μοντέλο βασισμένο σε Transformer που εισήχθη από τους Zhou et al. το 2021 για την πρόβλεψη χρονοσειρών μεγάλης ακολουθίας, χρησιμοποιώντας έναν μηχανισμό αυτο-προσοχής ProbSparse που μειώνει την υπολογιστική πολυπλοκότητα του τυπικού Transformer σε O(L log L). Έχει σχεδιαστεί για προβλήματα που απαιτούν προβλέψεις χιλιάδων μελλοντικών βημάτων.
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.
+3 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/el/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.
- Μοντέλο ARIMA (Autoregressive Integrated Moving Average)Οικονομετρία↔ compare
- DeepARΒαθιά Μάθηση↔ compare
- N-HiTSΒαθιά Μάθηση↔ compare
- PatchTSTΒαθιά Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →