FEDformer: Frekvenciaerősített, dekomponált Transformer
A FEDformer egy Transformer-alapú architektúra hosszú távú, többváltozós idősor-előrejelzésre, amelyet Zhou és mtsai mutattak be az ICML 2022 konferencián. Alapvető újítása a szezonális-trend dekompozíció és a frekvenciatartománybeli figyelem (attention) kombinációja: ahelyett, hogy a teljes token-token figyelmet az időtartományban számítanák ki, a FEDformer a lekérdezéseket (queries), kulcsokat (keys) és értékeket (values) Fourier- vagy wavelet-transzformációkkal a frekvenciatartományba vetíti, és a frekvencia-komponensek véletlenszerűen kiválasztott részhalmazán dolgozik, így lineáris komplexitást ér el, miközben megőrzi a globális időbeli struktúrát.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/hu/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.
- Autoformer: Decompozíciós transzformer hosszú távú idősor-előrejelzéshezMélytanulás↔ compare
- FiLM: Frekvenciaoptimalizált Legendre Memória ModellMélytanulás↔ compare
- InformerMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →