Non-stationary Transformer
Ο Non-stationary Transformer είναι μια αρχιτεκτονική πρόβλεψης χρονοσειρών βασισμένη στον Transformer, που εισήχθη από τους Yong Liu, Haixu Wu, Jianmin Wang και Mingsheng Long στο NeurIPS 2022. Αντιμετωπίζει μια θεμελιώδη ένταση στην εφαρμογή των Transformers σε πραγματικές χρονοσειρές: η υπερβολική στασιμοποίηση κατά την προεπεξεργασία αφαιρεί μη στατικά σήματα που φέρουν προγνωστικές πληροφορίες, ενώ οι ακατέργαστες μη στατικές εισόδοι προκαλούν κατάρρευση της προσοχής. Το μοντέλο επιλύει αυτό μέσω στασιμοποίησης της σειράς σε συνδυασμό με έναν καινοτόμο μηχανισμό προσοχής απο-στασιμοποίησης που αποκαθιστά την αρχική χρονική κατανομή στις προβλέψεις.
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
- Liu, Y., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/el/deep-learning/nonstationary-transformer
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.
- Δοκιμή μονάδας ρίζας Augmented Dickey-Fuller (ADF)Οικονομετρία↔ compare
- Autoformer: Transformer Αποσύνθεσης για Μακροχρόνιες Προβλέψεις ΧρονοσειρώνΒαθιά Μάθηση↔ compare
- ΕνημερωτήςΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →