iTransformer: Invertert Transformer for Multivariat Tidsserieprognostisering
iTransformer er en dyp læringsarkitektur for multivariat tidsserieprognostisering introdusert av Liu et al. ved ICLR 2024. Dens definerende idé er å invertere den konvensjonelle Transformer-tokeniseringsstrategien: i stedet for å behandle hvert tidsskritt som et token, behandler iTransformer hver variat (sensor-kanal eller funksjonsserie) som et enkelt token hvis embedding koder for hele det observerte tilbakeblikkvinduet. Selv-oppmerksomhet anvendes deretter på tvers av variater for å fange opp inter-serie-avhengigheter, mens et feed-forward nettverk innenfor hvert token lærer temporale mønstre.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/no/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.
- CrossformerDyp læring↔ compare
- PatchTSTDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →