Machine learning
Informer
Informer เป็นโมเดลที่ใช้สถาปัตยกรรม Transformer ซึ่งเปิดตัวโดย Zhou และคณะในปี 2021 สำหรับการพยากรณ์อนุกรมเวลาที่มีลำดับยาว โดยใช้กลไก ProbSparse self-attention ที่ช่วยลดความซับซ้อนในการคำนวณของ Transformer มาตรฐานให้เหลือ O(L log L) โมเดลนี้สร้างขึ้นสำหรับปัญหาที่ต้องการการพยากรณ์ล่วงหน้าหลายพันขั้น
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
แหล่งอ้างอิง
- Zhou, H. et al. (2021). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. AAAI. DOI: 10.1609/aaai.v35i12.17325 ↗
- Wu, H., Xu, J., Wang, J. & Long, M. (2021). Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting. NeurIPS 34. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/th/deep-learning/informer
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.
- แบบจำลอง ARIMA (Autoregressive Integrated Moving Average)เศรษฐมิติ↔ compare
- DeepARการเรียนรู้เชิงลึก↔ compare
- N-HiTSการเรียนรู้เชิงลึก↔ compare
- PatchTSTการเรียนรู้เชิงลึก↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
ถูกอ้างอิงโดย
Autoformer: Decomposition Transformer สำหรับการพยากรณ์อนุกรมเวลาในระยะยาวCrossformerFEDformer: หม้อแปลงไฟฟ้าแบบแยกส่วนที่ปรับปรุงความถี่N-BEATSTransformer ไม่คงที่Pyraformer: Pyramidal Attention Transformer สำหรับการพยากรณ์อนุกรมเวลาช่วงยาวReformer: The Efficient Transformer for Long Sequencesตัวแปลงฟิวชั่นเชิงเวลา