فِدفورمر: ترانسفورمر تجزیهشده با تقویت فرکانس
فِدفورمر یک معماری مبتنی بر ترانسفورمر برای پیشبینی سریهای زمانی چندمتغیره بلندمدت است که توسط ژو و همکاران در ICML 2022 معرفی شد. نوآوری اصلی آن ترکیب تجزیه روند-فصلی با توجه در حوزه فرکانس است: به جای محاسبه توجه کامل توکن به توکن در حوزه زمان، فِدفورمر پرسوجوها، کلیدها و مقادیر را از طریق تبدیل فوریه یا موجک به حوزه فرکانس نگاشت میکند و بر روی زیرمجموعهای تصادفی از مولفههای فرکانسی عمل میکند، که پیچیدگی خطی را با حفظ ساختار زمانی سراسری به دست میآورد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/fa/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: ترنسفورمر تجزیهکننده برای پیشبینی سریهای زمانی بلندمدتیادگیری عمیق↔ compare
- فیلم: مدل حافظه لژاندر بهبود یافته با فرکانسیادگیری عمیق↔ compare
- Informerیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →