iTransformer: Inverterad Transformer för multivariat tidsserieprognostisering
iTransformer är en djupinlärningsarkitektur för multivariat tidsserieprognostisering introducerad av Liu et al. vid ICLR 2024. Dess definierande idé är att invertera den konventionella Transformer-tokeniseringsstrategin: istället för att behandla varje tidsteg som en token, behandlar iTransformer varje variat (sensorkanal eller funktionsserie) som en enda token vars inbäddning kodar hela den observerade återblicksfönstret. Självuppmärksamhet tillämpas sedan över variater för att fånga beroenden mellan serier, medan ett framåtkopplat nätverk inom varje token lär sig temporala mönster.
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
- Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted transformers are effective for time series forecasting. ICLR. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/sv/deep-learning/itransformer
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.
- CrossformerDjupinlärning↔ compare
- PatchTSTDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →