FEDformer: Transformer sa poboљšanom frekvencijom i dekompozicijom
FEDformer je arhitektura zasnovana na Transformeru za dugoročno multivarijantno predviđaњe vremenskih serija, koju su uveli Zhou et al. na ICML 2022. Њegova osnovna inovacija je kombinacija dekompozicije sezonsko-trend komponenti sa pažњom u frekvencijskom domenu: umesto računaњa pune pažњe od tokena do tokena u vremenskom domenu, FEDformer projektuje upite, kљučeve i vrednosti u frekvencijski domen putem Furijeovih ili talasnih transformacija i deluje na slučajno izabran podskup frekvencijskih komponenti, postižući linearnu složenost uz očuvaњe globalne vremenske strukture.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/sr/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.
- AutoformerDuboko učenje↔ compare
- FiLM: Побољшани модел меморије са Лежандровим полиномима заснован на учестаностиDuboko učenje↔ compare
- InformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →