iTransformer: טרנספורמר מהופך לחיזוי סדרות זמן מרובות משתנים
iTransformer היא ארכיטקטורת למידה עמוקה לחיזוי סדרות זמן מרובות משתנים, שהוצגה על ידי ליו ואח' בכנס ICLR 2024. הרעיון המרכזי שלה הוא היפוך אסטרטגיית התיקון (tokenisation) המקובלת של טרנספורמרים: במקום להתייחס לכל צעד זמן כאסימון (token), iTransformer מתייחס לכל משתנה (ערוץ חיישן או סדרת מאפיינים) כאסימון יחיד, שההטמעה (embedding) שלו מקודדת את כל חלון ההסתכלות לאחור שנצפה. לאחר מכן מיושמת קשב עצמי (self-attention) על פני המשתנים כדי ללכוד תלויות בין-סדרתיות, בעוד שרשת הזנה קדימה (feed-forward network) בתוך כל אסימון לומדת תבניות זמניות.
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
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/he/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.
- Crossformer: טרנספורמר תלות בין-ממדית לחיזוי סדרות עתיות מרובות משתניםלמידה עמוקה↔ compare
- PatchTSTלמידה עמוקה↔ compare