Machine learningTime-series forecasting

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.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Method map

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

FEDformer: Transformer s poboljšanom frekvencijom i dekompozicijom
AutoformerFiLM: Model poboljšan fr…InformerFreTS

Izvori

  1. 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.

Compare side by side

Citirana u

ScholarGateFEDformer (FEDformer (Frequency Enhanced Decomposed Transformer)). Preuzeto 2026-06-15 s https://scholargate.app/hr/deep-learning/fedformer · Skup podataka: https://doi.org/10.5281/zenodo.20539026