Informer
Informer je model založený na architektúre Transformer, ktorý predstavili Zhou et al. v roku 2021 pre predpovedanie časových radov s dlhou sekvenciou. Využíva mechanizmus ProbSparse self-attention, ktorý znižuje výpočtovú zložitosť štandardného Transformera na O(L log L). Je navrhnutý pre problémy, ktoré vyžadujú predpovede v rozsahu tisícov budúcich krokov.
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.
+3 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/sk/deep-learning/informer
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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- DeepARHlboké učenie↔ compare
- N-HiTSHlboké učenie↔ compare
- PatchTSTHlboké učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →