Machine learningTime-series forecasting
Pyraformer: 長期時系列予測のためのピラミダルアテンションTransformer
Pyraformerは、LiuらによってICLR 2022で発表された、長期時系列予測のためのTransformerベースのモデルである。その中心的な革新は、トークンをマルチ解像度の階層に編成するピラミダルアテンションモジュール（PAM）であり、モデルが時間的依存性を複数のスケールで捉えることを可能にしつつ、時間とメモリの複雑さを、通常の自己アテンションの二次的なコストではなくO(L log L)に保つ。
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
- Liu, S., Yu, H., Liao, C., Li, J., Lin, W., Liu, A. X., & Dustdar, S. (2022). Pyraformer: Low-complexity pyramidal attention for long-range time series modeling and forecasting. ICLR. link ↗
このページの引用方法
ScholarGate. (2026, June 2). Pyraformer (Pyramidal Attention for Long-Range Forecasting). ScholarGate. https://scholargate.app/ja/deep-learning/pyraformer
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: 長期時系列予測のための分解Transformer深層学習↔ compare
- Informer深層学習↔ compare
- Reformer: 長いシーケンスのための効率的なTransformer深層学習↔ compare