iTransformer: Invertovaný Transformer pre multivariátne časové predikcie
iTransformer je hlboko-vzdelávacia architektúra pre multivariátne časové predikcie, ktorú predstavili Liu et al. na ICLR 2024. Jej definujúcou myšlienkou je obrátiť konvenčnú stratégiu tokenizácie Transformerov: namiesto toho, aby sa každý časový krok považoval za token, iTransformer považuje každú variáciu (snímačový kanál alebo funkčnú sériu) za jediný token, ktorého vloženie kóduje celé pozorované okno spätného pohľadu. Následne sa aplikuje samopozornosť naprieč variáciami na zachytenie medzisériových závislostí, zatiaľ čo dopredná sieť v rámci každého tokenu sa učí časové vzory.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/sk/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.
- CrossformerHlboké učenie↔ compare
- PatchTSTHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →