Nestacionarni Transformer
Nestacionarni Transformer je arhitektura za predviđanje vremenskih nizova temeljena na Transformeru, koju su predstavili Yong Liu, Haixu Wu, Jianmin Wang i Mingsheng Long na NeurIPS-u 2022. Ona rješava temeljni problem u primjeni Transformera na stvarne vremenske nizove: prekomjerna stacionarizacija tijekom predobrade uklanja nestacionarne signale koji nose prediktivne informacije, dok sirovi nestacionarni ulazi uzrokuju kolaps pažnje. Model to rješava uparivanjem stacionarizacije niza s novim mehanizmom de-stacionarne pažnje koji obnavlja izvornu vremensku distribuciju u predviđanjima.
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., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/hr/deep-learning/nonstationary-transformer
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.
- Test augmentirane Dickey-Fuller (ADF) za jedinice korijenaEkonometrija↔ compare
- AutoformerDuboko učenje↔ compare
- InformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →