ऑटोफ़ॉर्मर: दीर्घकालिक समय-श्रृंखला पूर्वानुमान के लिए डीकंपोज़िशन ट्रांसफ़ॉर्मर
ऑटोफ़ॉर्मर दीर्घकालिक समय-श्रृंखला पूर्वानुमान के लिए एक डीप लर्निंग आर्किटेक्चर है, जिसे सिंघुआ विश्वविद्यालय के वू एट अल. द्वारा NeurIPS 2021 में प्रस्तुत किया गया था। यह मानक स्व-ध्यान तंत्र को एक ऑटो-कोरिलेशन तंत्र से बदल देता है जो आवृत्ति डोमेन में आवधिक निर्भरताओं का फायदा उठाता है, और प्रवृत्ति और मौसमी घटकों को अलग-अलग मॉडल करने के लिए एनकोडर और डिकोडर में एक प्रगतिशील श्रृंखला डीकंपोज़िशन ब्लॉक को एम्बेड करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Wu, H., Xu, J., Wang, J., & Long, M. (2021). Autoformer: Decomposition transformers with auto-correlation for long-term series forecasting. NeurIPS, 34. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 2). Autoformer (Auto-Correlation Decomposition Transformer). ScholarGate. https://scholargate.app/hi/deep-learning/autoformer
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.
- ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) मॉडलअर्थमिति↔ compare
- FEDformer: आवृत्ति संवर्धित विघटित ट्रांसफार्मरगहन अधिगम↔ compare
- सूचनाकर्तागहन अधिगम↔ compare
- TimesNet: समय श्रृंखला के लिए टेम्परल 2D-वेरिएशन मॉडलिंगगहन अधिगम↔ compare