Nestacionárny Transformer
Nestacionárny Transformer je architektúra na predikciu časových radov založená na Transformere, ktorú predstavili Yong Liu, Haixu Wu, Jianmin Wang a Mingsheng Long na konferencii NeurIPS 2022. Rieši zásadné napätie pri aplikácii Transformerov na reálne časové rady: nadmerná stacionarizácia počas predzpracovania odstraňuje nestacionárne signály, ktoré nesú prediktívne informácie, zatiaľ čo surové nestacionárne vstupy spôsobujú kolaps pozornosti. Model to rieši párovaním stacionarizácie radu s novým mechanizmom de-stacionárnej pozornosti, ktorý obnovuje pôvodnú časovú distribúciu v predikciách.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- Liu, Y., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/sk/deep-learning/nonstationary-transformer
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Test augmentovanej Dickey-Fullerovej (ADF) na jednotkovú odmocninuEkonometria↔ porovnať
- Autoformer: dekompozičný Transformer pre dlhodobé časové radyHlboké učenie↔ porovnať
- InformerHlboké učenie↔ porovnať
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →