FEDformer: sagedustõhustatud dekomponeeritud Transformer
FEDformer on Transformeril põhinev arhitektuur pikaajaliseks mitmemõõtmeliseks aegridade prognoosimiseks, mille tutvustasid Zhou jt. ICML 2022 konverentsil. Selle peamine uuendus on hooajalise trendi dekompositsiooni ja sagedusdomeeni tähelepanu (attention) kombineerimine: selle asemel, et arvutada täielikku tokenitevahelist tähelepanu ajadomeenis, projitseerib FEDformer päringud (queries), võtmed (keys) ja väärtused (values) sagedusdomeeni Fourier' või lainikute teisenduste abil ning opereerib juhuslikult valitud sageduskomponentide alamhulgal, saavutades lineaarse keerukuse, säilitades samal ajal globaalse ajastruktuuri.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/et/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.
- AutoformerSüvaõpe↔ compare
- FiLM: Sagedustäiustatud Legendre'i mälu mudelSüvaõpe↔ compare
- InformerSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →