iTransformer: Geïnverteerde Transformer voor Multivariate Tijdreeksvoorspelling
iTransformer is een deep-learning architectuur voor multivariate tijdreeksvoorspelling, geïntroduceerd door Liu et al. op ICLR 2024. Het bepalende idee is om de conventionele Transformer-tokenisatiestrategie om te keren: in plaats van elke tijdstap als een token te behandelen, behandelt iTransformer elke variabele (sensorkanaal of feature-reeks) als een enkel token waarvan de embedding het volledige waargenomen terugkijkvenster codeert. Zelf-aandacht wordt vervolgens toegepast over variabelen om afhankelijkheden tussen reeksen vast te leggen, terwijl een feed-forward netwerk binnen elk token temporele patronen leert.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted transformers are effective for time series forecasting. ICLR. link ↗
Deze pagina citeren
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/nl/deep-learning/itransformer
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.
- CrossformerDeep learning↔ compare
- PatchTSTDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →