Informer
Informer on Zhou et al.in 2021 esittelemä Transformer-pohjainen malli pitkien aikasarjojen ennustamiseen. Se käyttää ProbSparse-itsehuomiomekanismia, joka laskee standardin Transformerin laskennallisen monimutkaisuuden tasolle O(L log L). Malli on suunniteltu ongelmiin, jotka vaativat ennusteita tuhansille tuleville ajanjaksoille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/fi/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.
- ARIMA (Autoregressive Integrated Moving Average) -malliEkonometria↔ compare
- DeepARSyväoppiminen↔ compare
- N-HiTSSyväoppiminen↔ compare
- PatchTSTSyväoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →