FEDformer: Frekvencē balstīts sadalīts Transformer
FEDformer ir uz Transformer balstīta arhitektūra ilgtermiņa daudzvariāciju laika sēriju prognozēšanai, ko 2022. gadā ICML konferencē ieviesa Zhou et al. Tās galvenais jauninājums ir sezonāli-trendu sadalījuma kombinēšana ar frekvenču domēna uzmanību: tā vietā, lai aprēķinātu pilnu marķieru-līdz-marķierim uzmanību laika domēnā, FEDformer projicē vaicājumus, atslēgas un vērtības frekvenču domēnā, izmantojot Furjē vai viļņu transformācijas, un darbojas ar nejauši izvēlētu frekvenču komponentu apakškopumu, panākot lineāru sarežģītību, vienlaikus saglabājot globālo temporālo struktūru.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/lv/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: Transformer ar dekompozīciju ilgtermiņa laika virkņu prognozēšanaiDziļā mācīšanās↔ compare
- FiLM: Frekvences uzlabots Legendre atmiņas modelisDziļā mācīšanās↔ compare
- InformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →