Informer
Informer este un model bazat pe Transformer, introdus de Zhou et al. în 2021 pentru prognoza seriilor de timp cu secvențe lungi, utilizând un mecanism de auto-atenție ProbSparse care reduce complexitatea computațională a Transformer-ului standard la O(L log L). Este construit pentru probleme care necesită predicții pe mii de pași viitori.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
+3 altele
Surse
- Zhou, H. et al. (2021). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. AAAI. DOI: 10.1609/aaai.v35i12.17325 ↗
- Wu, H., Xu, J., Wang, J. & Long, M. (2021). Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting. NeurIPS 34. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/ro/deep-learning/informer
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Modelul ARIMA (Autoregresiv Integrat cu Medii Mobile)Econometrie↔ compară
- DeepARÎnvățare profundă↔ compară
- N-HiTSÎnvățare profundă↔ compară
- PatchTSTÎnvățare profundă↔ compară
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compară
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →