Informer
Informer ialah model berasaskan Transformer yang diperkenalkan oleh Zhou et al. pada tahun 2021 untuk ramalan siri masa jujukan panjang, menggunakan mekanisme perhatian kendiri ProbSparse yang mengurangkan kerumitan pengiraan Transformer standard kepada O(L log L). Ia dibina untuk masalah yang memerlukan ramalan merentasi ribuan langkah masa hadapan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
- Zhou, H. et al. (2021). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. AAAI. DOI: 10.1609/aaai.v35i12.17325 ↗
- Wu, H., Xu, J., Wang, J. & Long, M. (2021). Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting. NeurIPS 34. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/ms/deep-learning/informer
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.
- Model ARIMA (Autoregresif Bersepadu Purata Bergerak)Ekonometrik↔ compare
- DeepARPembelajaran Mendalam↔ compare
- N-HiTSPembelajaran Mendalam↔ compare
- PatchTSTPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →