iTransformer: Inverted Transformer monimuuttuja-aikasarjaennustamiseen
iTransformer on syväoppimisarkkitehtuuri monimuuttuja-aikasarjaennustamiseen, jonka Liu et al. esittelivät ICLR 2024 -konferenssissa. Sen määrittävä idea on kääntää perinteinen Transformer-tokenisointistrategia: sen sijaan, että jokaista aikapistettä käsitellään tokenina, iTransformer käsittelee jokaista muuttujaa (anturikanavaa tai piirresarjaa) yhtenä tokenina, jonka upotus (embedding) koodaa koko havaitun takaikkunan. Itsehuomio (self-attention) kohdistetaan sitten muuttujien välille sarjojen välisten riippuvuuksien mallintamiseksi, kun taas kunkin tokenin sisäinen eteenpäin syöttävä verkko (feed-forward network) oppii ajallisia malleja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted transformers are effective for time series forecasting. ICLR. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/fi/deep-learning/itransformer
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.
- CrossformerSyväoppiminen↔ compare
- PatchTSTSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →