Pyraformer: Пирамидални Трансформер са Пажњом за Дугорочно Прогнозирање Временских Серија
Pyraformer је модел заснован на Трансформеру за дугорочно прогнозирање временских серија, који су увели Liu et al. на ICLR 2022. Његова централна иновација је Пирамидални Модул Пажње (PAM) који организује токене у хијерархију више резолуција, омогућавајући моделу да ухвати временске зависности на више скала, задржавајући временску и меморијску сложеност на O(L log L) уместо квадратног трошка обичне само-пажње.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- Liu, S., Yu, H., Liao, C., Li, J., Lin, W., Liu, A. X., & Dustdar, S. (2022). Pyraformer: Low-complexity pyramidal attention for long-range time series modeling and forecasting. ICLR. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Pyraformer (Pyramidal Attention for Long-Range Forecasting). ScholarGate. https://scholargate.app/sr/deep-learning/pyraformer
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- AutoformerDuboko učenje↔ uporedi
- InformerDuboko učenje↔ uporedi
- Reformer: Efikasan Transformer za duge sekvenceDuboko učenje↔ uporedi
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →