Informer
Informer — це модель на основі Transformer, представлена Zhou та ін. у 2021 році для прогнозування часових рядів з довгою послідовністю, яка використовує механізм самостійної уваги ProbSparse, що знижує обчислювальну складність стандартного Transformer до O(L log L). Вона створена для задач, що вимагають прогнозів на тисячі майбутніх кроків.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting. ScholarGate. https://scholargate.app/uk/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.
- Модель ARIMA (Авторегресійна інтегрована ковзна середня)Економетрика↔ compare
- DeepARГлибоке навчання↔ compare
- N-HiTSГлибоке навчання↔ compare
- PatchTSTГлибоке навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →