Запис доказів методу

Pyraformer

Pyraformer is a Transformer-based model for long-range time-series forecasting introduced by Liu et al. at ICLR 2022. Its central innovation is a Pyramidal Attention Module (PAM) that organizes tokens into a multi-resolution hierarchy, enabling the model to capture temporal dependencies across multiple scales while keeping time and memory complexity at O(L log L) rather than the quadratic cost of vanilla self-attention.

Sources recorded, not reviewed

Запис джерела

Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.

Pyraformer (Pyramidal Attention for Long-Range Forecasting)

Запис таксономічного методу · ml-model / deep-learning

Liu, S., Yu, H., Liao, C., Li, J., Lin, W., Liu, A. X., & Dustdar, S. (2022). Pyraformer: Low-complexity pyramidal attention for long-range time series modeling and forecasting. ICLR. · URL

Відкрити повний метод

Відібрані твердження

Твердження збережено в журналі доказів, кожне зі своєю оцінкою.

Відібраних тверджень ще немає

Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.

Пов'язані методи

Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.

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