FEDformer: טרנספורמר משופר-תדר
FEDformer היא ארכיטקטורה מבוססת טרנספורמר לחיזוי סדרות עתיות רב-משתניות ארוכות-טווח, שהוצגה על ידי Zhou ועמיתיו ב-ICML 2022. החידוש המרכזי שלה הוא השילוב של פירוק מגמה-עונתיות עם קשב בתחום התדר: במקום לחשב קשב מלא בין טוקנים לתוקנים בתחום הזמן, FEDformer מקרין שאילתות (queries), מפתחות (keys) וערכים (values) לתחום התדר באמצעות טרנספורמציות פורייה או גליות (wavelet) ופועל על תת-קבוצה שנבחרה באופן אקראי של רכיבי תדר, ובכך משיג מורכבות לינארית תוך שימור מבנה זמני גלובלי.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/he/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: טרנספורמר מבוסס פירוק לחיזוי סדרות עתיות ארוכות טווחלמידה עמוקה↔ compare
- FiLM: מודל זיכרון לז'נדר משופר תדרלמידה עמוקה↔ compare
- מְיַדֵּעַלמידה עמוקה↔ compare