Machine learningTime-series forecasting
FEDformer: 주파수 강화 분해 트랜스포머
FEDformer는 2022년 ICML에서 Zhou 등이 소개한 장기 다변량 시계열 예측을 위한 트랜스포머 기반 아키텍처입니다. 핵심 혁신은 계절-추세 분해와 주파수 영역 주의 메커니즘의 결합입니다. 즉, 시간 영역에서 완전한 토큰 간 주의 메커니즘을 계산하는 대신, FEDformer는 푸리에 또는 웨이블릿 변환을 통해 쿼리, 키, 값을 주파수 영역으로 투영하고 무작위로 선택된 주파수 성분 부분집합에서 작동하여, 전역 시간 구조를 유지하면서 선형 복잡도를 달성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/ko/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: 장기 시계열 예측을 위한 분해 트랜스포머딥러닝↔ compare
- FiLM: 주파수 개선 르장드르 메모리 모델딥러닝↔ compare
- Informer딥러닝↔ compare