Informer
Informer je model utemeljen na Transformeru, predstavljen od strane Zhoua i suradnika 2021. godine za prognoziranje vremenskih nizova na dugim sekvencama, koristeći mehanizam samopozornosti ProbSparse koji smanjuje računalnu složenost standardnog Transformera na O(L log L). Izgrađen je za probleme koji zahtijevaju predviđanja na tisuće budućih koraka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Izvori
- Zhou, H. et al. (2021). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. AAAI. DOI: 10.1609/aaai.v35i12.17325 ↗
- Wu, H., Xu, J., Wang, J. & Long, M. (2021). Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting. NeurIPS 34. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/hr/deep-learning/informer
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.
- Model ARIMA (Autoregresivni integrirani pokretni prosjek)Ekonometrija↔ compare
- DeepARDuboko učenje↔ compare
- N-HiTSDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →