iTransformer: Інвертований Трансформер для Багатовимірного Прогнозування Часових Рядів
iTransformer — це архітектура глибокого навчання для багатовимірного прогнозування часових рядів, представлена Liu et al. на ICLR 2024. Її визначальна ідея полягає в інвертуванні традиційної стратегії токенізації Трансформера: замість того, щоб розглядати кожен часовий крок як токен, iTransformer розглядає кожен варіант (сенсорний канал або ознакову серію) як єдиний токен, чиє вбудовування кодує повне спостережуване вікно перегляду. Потім застосовується механізм самостійної уваги між варіантами для захоплення міжсерійних залежностей, тоді як мережа прямого поширення в межах кожного токена вивчає часові закономірності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). iTransformer (Inverted Transformer for Forecasting). ScholarGate. https://scholargate.app/uk/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.
- CrossformerГлибоке навчання↔ compare
- PatchTSTГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →