Autoformer: Dekompositsiooniline Transformer pikaajaliseks aegridade ennustamiseks
Autoformer on süvaõppe arhitektuur pikaajaliseks aegridade ennustamiseks, mille autorid Wu et al. Tsinghua Ülikoolist tutvustasid NeurIPS 2021 konverentsil. See asendab standardse enesetähelepanu mehhanismi Auto-Correlation mehhanismiga, mis kasutab ära sagedusruumis esinevaid perioodilisi seoseid, ning sisaldab progressiivset seeriate dekompositsiooniplokki kogu enkoodris ja dekoodris, et eraldi modelleerida trendi- ja hooajakomponenti.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Wu, H., Xu, J., Wang, J., & Long, M. (2021). Autoformer: Decomposition transformers with auto-correlation for long-term series forecasting. NeurIPS, 34. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). Autoformer (Auto-Correlation Decomposition Transformer). ScholarGate. https://scholargate.app/et/deep-learning/autoformer
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.
- ARIMA (autoregressiivne integreeritud liikuv keskmine) mudelÖkonomeetria↔ compare
- FEDformer: sagedustõhustatud dekomponeeritud TransformerSüvaõpe↔ compare
- InformerSüvaõpe↔ compare
- TimesNet: Ajaline 2D-variatsiooni modelleerimine ajasarjade jaoksSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →