Metodes pierādījumu reģistrs

Pyraformer

Pyraformer is a Transformer-based model for long-range time-series forecasting introduced by Liu et al. at ICLR 2022. Its central innovation is a Pyramidal Attention Module (PAM) that organizes tokens into a multi-resolution hierarchy, enabling the model to capture temporal dependencies across multiple scales while keeping time and memory complexity at O(L log L) rather than the quadratic cost of vanilla self-attention.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Pyraformer (Pyramidal Attention for Long-Range Forecasting)

Taksonomiskās metodes reģistrs · ml-model / deep-learning

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. · URL

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Taxonomic bucketAutoformermachine-suggested · Relational suggestion, not evidence.Same method familyInformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketReformermachine-suggested · Relational suggestion, not evidence.