FEDformer: Frekvenčne vylepšený dekomponovaný Transformer
FEDformer je architektúra založená na Transformere pre dlhodobé viacrozmerné časové prognózovanie, predstavená Zhou et al. na konferencii ICML 2022. Jej kľúčovou inováciou je kombinácia sezónno-trendovej dekompozície s frekvenčnou pozornosťou: namiesto výpočtu plnej pozornosti token-na-token v časovej doméne, FEDformer premieta dopyty (queries), kľúče (keys) a hodnoty (values) do frekvenčnej domény pomocou Fourierových alebo vlnkových transformácií a operuje na náhodne vybranom podmnožine frekvenčných komponentov, čím dosahuje lineárnu zložitosť pri zachovaní globálnej časovej štruktúry.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/sk/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: dekompozičný Transformer pre dlhodobé časové radyHlboké učenie↔ compare
- FiLM: Vylepšený Legendreho pamäťový model založený na frekvenciiHlboké učenie↔ compare
- InformerHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →