Machine learningTime-series forecasting
Pyraformer: טרנספורמר קשב פירמידלי לחיזוי סדרות עתיות ארוכות טווח
Pyraformer הוא מודל מבוסס טרנספורמר לחיזוי סדרות עתיות ארוכות טווח, שהוצג על ידי Liu et al. בכנס ICLR 2022. החידוש המרכזי שלו הוא מודול קשב פירמידלי (Pyramidal Attention Module - PAM) המארגן אסימונים בהיררכיה מרובת רזולוציות, ומאפשר למודל ללכוד תלויות זמניות בקני מידה מרובים תוך שמירה על מורכבות זמן וזיכרון של O(L log L) במקום העלות הריבועית של קשב עצמי רגיל.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Liu, S., Yu, H., Liao, C., Li, J., Lin, W., Liu, A. X., & Dustdar, S. (2022). Pyraformer: Low-complexity pyramidal attention for long-range time series modeling and forecasting. ICLR. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Pyraformer (Pyramidal Attention for Long-Range Forecasting). ScholarGate. https://scholargate.app/he/deep-learning/pyraformer
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
- מְיַדֵּעַלמידה עמוקה↔ compare
- הרפורמר: הטרנספורמר היעיל לרצפים ארוכיםלמידה עמוקה↔ compare