FEDformer: Transformer med frekvensförstärkt dekomposition
FEDformer är en Transformer-baserad arkitektur för långsiktig multivariat tidsserieprognostisering, introducerad av Zhou et al. vid ICML 2022. Dess kärninnovation är kombinationen av säsongs-trend-dekomposition med frekvensdomäns-uppmärksamhet: istället för att beräkna fullständig token-till-token-uppmärksamhet i tidsdomänen, projicerar FEDformer queries, keys och values in i frekvensdomänen via Fourier- eller vågtransformeringar och opererar på en slumpmässigt vald delmängd av frekvenskomponenter, vilket uppnår linjär komplexitet samtidigt som den globala temporala strukturen bevaras.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/sv/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.
- Autoformer: Decomposition Transformer för långsiktig tidsserieprognostiseringDjupinlärning↔ compare
- FiLM: Frequency Improved Legendre Memory ModelDjupinlärning↔ compare
- InformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →