Nestacionarni Transformer
Nestacionarni Transformer je arhitektura za predviđanje vremenskih serija zasnovana na Transformeru, koju su predstavili Yong Liu, Haixu Vu, Jianmin Vang i Mingsheng Long na NeurIPS 2022. Ona rešava fundamentalnu napetost u primeni Transformera na vremenske serije iz stvarnog sveta: prekomerna stacionarizacija tokom pretprocesiranja uklanja nestacionarne signale koji nose prediktivne informacije, dok sirovi nestacionarni ulazi dovode do kolapsa pažnje. Model ovo rešava uparivanjem stacionarizacije serija sa novim mehanizmom de-stacionarne pažnje koji obnavlja originalnu vremensku distribuciju u predviđanjima.
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
- Liu, Y., Wu, H., Wang, J., & Long, M. (2022). Non-stationary transformers: Exploring the stationarity in time series forecasting. NeurIPS. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Non-stationary Transformers for Forecasting. ScholarGate. https://scholargate.app/sr/deep-learning/nonstationary-transformer
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.
- Prošireni Diki-Fulerov (ADF) test na jedinicu korenaEkonometrija↔ compare
- AutoformerDuboko učenje↔ compare
- InformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →