Machine learningTime-series forecasting
iTransformer: 다변량 시계열 예측을 위한 역변환기
iTransformer는 Liu 등이 ICLR 2024에서 발표한 다변량 시계열 예측을 위한 딥러닝 아키텍처입니다. 이 아키텍처의 핵심 아이디어는 기존 트랜스포머의 토큰화 전략을 뒤집는 것입니다. 즉, 각 시점을 토큰으로 취급하는 대신, iTransformer는 각 변수(센서 채널 또는 특징 시계열)를 단일 토큰으로 취급하며, 이 토큰의 임베딩은 관찰된 전체 과거 윈도우를 인코딩합니다. 그런 다음 변수 간의 상호 의존성을 포착하기 위해 변수 간 셀프 어텐션이 적용되며, 각 토큰 내의 피드포워드 네트워크는 시간적 패턴을 학습합니다.
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
- Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted transformers are effective for time series forecasting. ICLR. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/ko/deep-learning/itransformer
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.
Compare side by side →