FEDformer: Transformer s poboljšanom frekvencijom i dekompozicijom
FEDformer je arhitektura temeljena na Transformeru za dugoročno multivarijatno predviđanje vremenskih nizova, koju su predstavili Zhou et al. na ICML-u 2022. Njegova ključna inovacija je kombinacija sezonsko-trendne dekompozcije s pažnjom u frekvencijskoj domeni: umjesto izračunavanja potpune pažnje od tokena do tokena u vremenskoj domeni, FEDformer projicira upite, ključeve i vrijednosti u frekvencijsku domenu putem Fourierovih ili valićnih transformacija i radi na slučajno odabranom podskupu frekvencijskih komponenti, postižući linearnu složenost uz očuvanje globalne vremenske strukture.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/hr/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.
- AutoformerDuboko učenje↔ compare
- FiLM: Model poboljšan frekvencijom za pamćenje Legendreovih polinomaDuboko učenje↔ compare
- InformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →