Metodbevispost

FEDformer

FEDformer is a Transformer-based architecture for long-term multivariate time-series forecasting, introduced by Zhou et al. at ICML 2022. Its core innovation is the combination of seasonal-trend decomposition with frequency-domain attention: instead of computing full token-to-token attention in the time domain, FEDformer projects queries, keys, and values into the frequency domain via Fourier or wavelet transforms and operates on a randomly selected subset of frequency components, achieving linear complexity while preserving global temporal structure.

Sources recorded, not reviewed

Källpost

Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.

FEDformer (Frequency Enhanced Decomposed Transformer)

Taxonomisk metodpost · ml-model / deep-learning

Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L., & Jin, R. (2022). FEDformer: Frequency enhanced decomposed transformer for long-term series forecasting. ICML. · URL

Öppna fullständig metod

Kuraterade påståenden

Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.

Inga kuraterade påståenden ännu

Denna vy hittar inte på en påståendebedömning när loggen saknar en.

Relaterade metoder

Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.

Taxonomic bucketAutoformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFiLMmachine-suggested · Relational suggestion, not evidence.Same method familyInformermachine-suggested · Relational suggestion, not evidence.