iTransformer: Invertirani Transformer za multivarijatno prognoziranje vremenskih nizova
iTransformer je arhitektura dubokog učenja za multivarijatno prognoziranje vremenskih nizova koju su predstavili Liu i suradnici na ICLR-u 2024. Njegova temeljna ideja je obrnuti konvencionalnu strategiju tokenizacije Transformera: umjesto da se svaki vremenski korak tretira kao token, iTransformer tretira svaku varijatu (senzorski kanal ili niz značajki) kao jedinstveni token čiji ugrađeni prikaz (embedding) kodira cijeli promatrani prozor povijesti. Mehanizam samopažnje (self-attention) zatim se primjenjuje preko varijata kako bi se uhvatile među-serijske ovisnosti, dok mreža s izravnim propagiranjem (feed-forward network) unutar svakog tokena uči vremenske obrasce.
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
- Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted transformers are effective for time series forecasting. ICLR. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/hr/deep-learning/itransformer
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.
- CrossformerDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →