Pyraformer: Transformer Perhatian Piramid untuk Peramalan Deret Masa Jarak Jauh
Pyraformer ialah model berasaskan Transformer untuk peramalan deret masa jarak jauh yang diperkenalkan oleh Liu et al. di ICLR 2022. Inovasi utamanya ialah Modul Perhatian Piramid (PAM) yang menyusun token kepada hierarki pelbagai resolusi, membolehkan model menangkap kebergantungan temporal merentasi pelbagai skala sambil mengekalkan kerumitan masa dan memori pada O(L log L) berbanding kos kuadratik perhatian kendiri biasa.
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
- 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. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Pyraformer (Pyramidal Attention for Long-Range Forecasting). ScholarGate. https://scholargate.app/ms/deep-learning/pyraformer
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
- InformerPembelajaran Mendalam↔ compare
- Reformer: Transformer yang Efisien untuk Jujukan PanjangPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →