FEDformer: Transformer phân rã tăng cường tần số
FEDformer là một kiến trúc dựa trên Transformer cho dự báo chuỗi thời gian đa biến dài hạn, được giới thiệu bởi Zhou và cộng sự tại ICML 2022. Đổi mới cốt lõi của nó là sự kết hợp giữa phân rã xu hướng-mùa với sự chú ý trong miền tần số: thay vì tính toán sự chú ý từ token sang token đầy đủ trong miền thời gian, FEDformer chiếu các truy vấn, khóa và giá trị vào miền tần số thông qua các phép biến đổi Fourier hoặc wavelet và hoạt động trên một tập con các thành phần tần số được chọn ngẫu nhiên, đạt được độ phức tạp tuyến tính trong khi vẫn bảo toàn cấu trúc thời gian toàn cục.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L., & Jin, R. (2022). FEDformer: Frequency enhanced decomposed transformer for long-term series forecasting. ICML. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). FEDformer (Frequency Enhanced Decomposed Transformer). ScholarGate. https://scholargate.app/vi/deep-learning/fedformer
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.
- Autoformer: Biến đổi phân tách cho dự báo chuỗi thời gian dài hạnHọc sâu↔ compare
- Mô hình Bộ nhớ Legendre Cải tiến Tần số (FiLM)Học sâu↔ compare
- InformerHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →