Machine learningTime-series forecasting
Autoformer: 長期時系列予測のための分解Transformer
Autoformerは、清華大学のWuらによってNeurIPS 2021で発表された、長期時系列予測のための深層学習アーキテクチャである。標準的な自己注意機構を、周波数領域における周期的な依存性を活用する自己相関機構に置き換え、エンコーダおよびデコーダ全体に段階的な系列分解ブロックを埋め込むことで、トレンド成分と季節成分を個別にモデル化する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Wu, H., Xu, J., Wang, J., & Long, M. (2021). Autoformer: Decomposition transformers with auto-correlation for long-term series forecasting. NeurIPS, 34. link ↗
このページの引用方法
ScholarGate. (2026, June 2). Autoformer (Auto-Correlation Decomposition Transformer). ScholarGate. https://scholargate.app/ja/deep-learning/autoformer
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.
- ARIMA（自己回帰和分移動平均）モデル計量経済学↔ compare
- FEDformer: 周波数強調型分解トランスフォーマー深層学習↔ compare
- Informer深層学習↔ compare
- TimesNet: 時系列のための時間的2次元変動モデリング深層学習↔ compare