Nestacionārs Transformer
Nestacionārs Transformer ir Transformer arhitektūra laika sēriju prognozēšanai, ko 2022. gadā NeurIPS konferencē ieviesa Yong Liu, Haixu Wu, Jianmin Wang un Mingsheng Long. Tā risina fundamentālo spriedzi Transformeru piemērošanā reālās pasaules laika sērijām: pār-stacionarizācija pirmsapstrādes laikā izdzēš nestacionārus signālus, kas satur prognozējošu informāciju, savukārt neapstrādāti nestacionāri ievadi izraisa uzmanības sabrukumu. Modelis to atrisina, veicot sēriju stacionarizāciju kopā ar jaunu destacionārās uzmanības mehānismu, kas prognozēs atjauno sākotnējo laika sadalījumu.
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
- Liu, Y., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/lv/deep-learning/nonstationary-transformer
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.
- Paplašinātais Dīkija-Fullera (ADF) vienības saknes testsEkonometrija↔ compare
- Autoformer: Transformer ar dekompozīciju ilgtermiņa laika virkņu prognozēšanaiDziļā mācīšanās↔ compare
- InformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →