Machine learningTime-series forecasting
Non-stationary Transformer
Non-stationary Transformerは、Yong Liu、Haixu Wu、Jianmin Wang、Mingsheng LongがNeurIPS 2022で発表したTransformerベースの時系列予測アーキテクチャです。これは、Transformerを実世界の時系列に適用する際の根本的な緊張関係、すなわち、前処理中の過度な定常化は予測情報を含む非定常信号を除去してしまう一方、生の非定常入力はアテンションを崩壊させる、という問題に対処します。このモデルは、系列の定常化と、予測において元の時間分布を回復させる新しい非定常化解除アテンション機構を組み合わせて、この問題を解決します。
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Liu, Y., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
このページの引用方法
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/ja/deep-learning/nonstationary-transformer
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する →