FEDformer: Transformer Terperluas Frekuensi
FEDformer ialah seni bina berasaskan Transformer untuk ramalan siri masa multivariat jangka panjang, diperkenalkan oleh Zhou et al. di ICML 2022. Inovasi terasnya ialah gabungan penyahungkai aliran-trend bermusim dengan perhatian domain frekuensi: bukannya mengira perhatian token-ke-token penuh dalam domain masa, FEDformer memproyeksikan kuari, kunci dan nilai ke dalam domain frekuensi melalui transformasi Fourier atau wavelet dan beroperasi pada subset komponen frekuensi yang dipilih secara rawak, mencapai kerumitan linear sambil mengekalkan struktur temporal global.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/ms/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: Penghuraian Transformer untuk Ramalan Deret Masa Jangka PanjangPembelajaran Mendalam↔ compare
- FiLM: Model Memori Legendre yang Ditingkatkan FrekuensinyaPembelajaran Mendalam↔ compare
- InformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →