FEDformer: Frekvensforsterket dekomponert transformator
FEDformer er en transformatorbasert arkitektur for langsiktig multivariat tidsserieprognose, introdusert av Zhou et al. ved ICML 2022. Dens kjerneinnovasjon er kombinasjonen av sesong-trend-dekomponering med frekvensdomene-oppmerksomhet: i stedet for å beregne full token-til-token-oppmerksomhet i tidsdomenet, projiserer FEDformer spørringer (queries), nøkler (keys) og verdier (values) inn i frekvensdomenet via Fourier- eller bølgeformtransformasjoner og opererer på et tilfeldig valgt delsett av frekvenskomponenter, og oppnår lineær kompleksitet samtidig som den globale tidsmessige strukturen bevares.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/no/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: Transformer for Decomposing Long-Term TidsserierprognoserDyp læring↔ compare
- FiLM: Frequency Improved Legendre Memory ModelDyp læring↔ compare
- InformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →