Nem-stacionárius Transformer
A Nem-stacionárius Transformer egy Transformer-alapú idősor-előrejelző architektúra, amelyet Yong Liu, Haixu Wu, Jianmin Wang és Mingsheng Long mutatott be a NeurIPS 2022 konferencián. Ez kezeli a Transformer-modellek valós idejű idősorokra való alkalmazásának alapvető feszültségét: az előfeldolgozás során végzett túlzott stacionarizáció eltávolítja azokat a nem-stacionárius jeleket, amelyek prediktív információt hordoznak, míg a nyers, nem-stacionárius bemenetek azAttention mechanizmus összeomlását okozzák. A modell ezt a sorozatok stacionarizálásával, valamint egy új, de-stacionárius Attention mechanizmussal oldja meg, amely a predikciókban visszaállítja az eredeti temporális eloszlást.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- Liu, Y., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/hu/deep-learning/nonstationary-transformer
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Augmented Dickey-Fuller (ADF) egységgyök-tesztÖkonometria↔ összehasonlítás
- Autoformer: Decompozíciós transzformer hosszú távú idősor-előrejelzéshezMélytanulás↔ összehasonlítás
- InformerMélytanulás↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →