Autoformer: Decomposition Transformer voor Lange-termijn Tijdreeksvoorspelling

Autoformer is een deep learning-architectuur voor lange-termijn tijdreeksvoorspelling, geïntroduceerd door Wu et al. van Tsinghua University op NeurIPS 2021. Het vervangt het standaard self-attention mechanisme door een Auto-Correlation mechanisme dat periodieke afhankelijkheden in het frequentiedomein benut, en integreert een progressief serie-decompositieblok door de encoder en decoder heen om trend- en seizoenscomponenten afzonderlijk te modelleren.