Machine learning

מְיַדֵּעַ

Informer הוא מודל מבוסס טרנספורמר שהוצג על ידי ג'ואו ועמיתיו בשנת 2021 לחיזוי סדרות עתיות ארוכות, תוך שימוש במנגנון קשב עצמי מסוג ProbSparse המוריד את המורכבות החישובית של הטרנספורמר הסטנדרטי ל-O(L log L). הוא בנוי עבור בעיות הדורשות תחזיות על פני אלפי צעדים עתידיים.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

The neighbourhood of related methods — select a node to explore.

+3 more

מקורות

  1. Zhou, H. et al. (2021). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. AAAI. DOI: 10.1609/aaai.v35i12.17325
  2. Wu, H., Xu, J., Wang, J. & Long, M. (2021). Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting. NeurIPS 34. link

איך לצטט עמוד זה

ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateInformer (Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/deep-learning/informer · מערך נתונים: https://doi.org/10.5281/zenodo.20539026