时间序列预测 — Informer模型原理

已于 2024-01-08 09:41:34 修改
阅读量1.2k 收藏 4
点赞数
分类专栏： 时间序列预测 文章标签： 时间序列预测 Informer
于 2023-11-20 11:43:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41921826/article/details/134487307
版权

 专栏链接：https://blog.csdn.net/qq_41921826/category_12495091.html

专栏内容

 所有文章提供源代码、数据集、效果可视化

 文章多次上领域内容榜、每日必看榜单、全站综合热榜

时间序列预测存在的问题

 现有的大量方法没有真正的预测未来值，只是用历史数据做验证

 利用时间序列分解算法存在信息泄露的问题：有人用emd+lstm对时间序列进行预测，是否存在原理上的问题? - 知乎

目录

0 摘要

1 引言

2 定义

了解本专栏 订阅专栏 解锁全文 超级会员免费看
几度春风里
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
Informer：用于长序列时间序列预测的高效Transformer模型
qq_54900679的博客
01-03 2201
Informer
【深度学习】——Informer模型
qq_48108092的博客
03-22 5751
Informer模型是一种用于时间序列预测的深度学习模型，由中国科学院自动化研究所的研究团队提出。与传统的RNN、LSTM、GRU等模型不同，Informer模型采用了一种新的注意力机制，能够很好地处理长期依赖和序列中的缺失值。
Informer长时序预测网络（1.环境配置&按例跑网络）--小白粥学习笔记
m0_53400993的博客
04-28 591
新手小白刚接触深度学习&时序网络，试着上手跑一跑Informer，以下一切都是我在学习其他作者文章后的个人理解，求大佬指正!!!--虚心的研一orz]论文指路→源码指路→有很多作者大大给出了Informer网络创新点&与原始Transformer的对比，我要去补课了555。
【文章学习系列之模型】Informer
博客标题不能为空
04-25 4167
《Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting》是2021年发表于AAAI的一篇论文。常规自注意机制和Transformer模型已达性能瓶颈，作者尝试寻找新的方法来提高Transformer模型的性能，使其在具备更高效计算、内存和架构能力的同时，又能拥有更优异的预测能力。基于此，该论文提出了一种新的时序预测思路和自注意力机制。
Informer：改进Transformer的长序列时序预测模型
zzh1464501547的博客
06-09 3445
Informer：改进Transformer的长序列时序预测模型 Submitted on 14 Dec 2020 (v1), last revised 28 Mar 2021 (this version, v3) 关注人工智能学术前沿 回复 ：ts21 5秒免费获取论文pdf文档，及项目源码 摘要 许多现实世界的应用需要长序列时间序列的预测，例如电力消耗规划预测。长序列时间序列预测(LSTF)要求模型具有较高的预测能力，即能够准确地捕捉输出与输入之间的长期依赖关系。近年来的研究表..
时间序列预测模型实战案例(八)(Informer)个人数据集、详细参数、代码实战讲解
Snu77的博客
11-05 1万+
本篇博客带大家看的是Informer模型进行时间序列预测的实战案例，它是在2019年被提出并在ICLR 2020上被评为Best Paper，可以说Informer模型在当今的时间序列预测方面还是十分可靠的，Informer模型的实质是注意力机制+Transformer模型，Informer模型的核心思想是将输入序列进行自注意力机制的处理，以捕捉序列中的长期依赖关系，并利用Transformer的编码器-解码器结构进行预测，通过阅读本文你可以学会利用个人数据集训练模型。
长时间序列预测模型Informer
2301_76243816的博客
02-01 1329
此外，Informer采用了一种独特的序列下采样策略，有效地减少了序列的长度，从而进一步提升了处理长序列的能力。（随机抽取1/4，每个Q和1/4的K之间的相关性（96*96 —> 96*25）、得到了所有的Q是否活跃的排序，找到分布差异最大的top25个Q），由于ProbSparse自相关机制有很多都是用V的mean填充的，所以天然就存在几余的attention sorce，因此在相邻的Attention Block之间应用卷积与池化来对特征进行下采样，所以作者在设计Encoder时，采用。
informer时间序列预测
01-29
支持多步多变量输入，多步预测输出。 可以直接运行，代码简单。
informer时间序列预测模型
04-18
时间序列预测的informer模型python代码分享
深度学习-时间序列预测-Informer模型-课程讲解ppt-组会ppt分享
05-21
包含Informer时间序列预测模型的论文源码和组会报告ppt Informer模型的主要特点包括： 多尺度时间编码器和解码器：Informer模型采用了一种多尺度时间编码器和解码器的结构，可以同时考虑不同时间尺度上的信息。 ...
Informer介绍，时间序列处理专用工具，22页ppt
07-10
Informer是一种用于时间序列预测的神经网络模型，它专注于处理多变量时间序列数据，并在预测过程中考虑到序列中的长期依赖关系。Informer模型由Zhou等人于2020年提出，并在时间序列预测任务中展现出良好的性能。 ...
时间序列预测-Transformer,Informer,Autoformer,FEDformer复现结果
11-15
时间序列预测-Transformer,Informer,Autoformer,FEDformer复现结果
时间序列预测之为何舍弃LSTM而选择Informer？(Informer模型解读）
pengxiang1998的博客
11-06 1万+
Figure 1: (a) LSTF can cover an extended period than the short sequence predictions, making vital distinction in policy-planning and investment-protecting. (b) The prediction capacity of existing methods limits LSTF’s performance. E.g., starting from leng
时间序列预测 — Informer源码详解与运行
几度春风里的博客
11-21 2236
首先导入代码的基本函数和数据类型，在exp文件下exp_informer import中的类Exp_Informer中，定义了模型参数、get_data、model_optim、train、test、eval等函数。前面介绍了训练、测试和预测的的流程，那么每一批次是数据是如何利用Informer模型进行训练的呢？主要实现了Informer模型的测试过程，包括测试数据加载、模型测试、损失计算、保存测试结果的过程。利用Informer模型的最佳训练参数进行预测，包括预测数据加载、模型预测、保存预测结果的过程。
Informer模型与基础学习
weixin_44790306的博客
04-10 1万+
文章目录摘要文献阅读一. Informer: 一个基于Transformer改进的高效的长时间序列预测模型1.1 论文摘要1.2 研究内容1.3 Informer模型架构预备知识LSTF问题定义Encoder-Decoder 体系结构1.4 创新点1.5二. pytorch 基础2.1 损失函数与反向传播2.2 优化器2.3 VGG16模型的使用与修改2.4 完整网络模型的训练套路简单汇总2.4.1 网络模型的保存与读取2.4.2 完整模型套路创建网络模型（model.py要确保与train.py在同一文件
Informer：比Transformer更有效的长时间序列预测
To be a better man
05-23 8991
目录 AAAI 2021最佳论文：比Transformer更有效的长时间序列预测 Background Why attention Methods:the details of Informer Solve_Challenge_1:最基本的一个思路就是降低Attention的计算量，仅计算一些非常重要的或者说有代表性的Attention即可，一些相近的思路在近期不断的提出，比如Sparse-Attention，这个方法涉及了稀疏化Attention的操作，来减少Attention计算量，然后涉及的
AAAI最佳论文Informer 解读
热门推荐
fluentn的博客
04-02 3万+
AAAI最佳论文Informer:效果远超Transformer的神器简介预处理 Preliminary 与样本生成Step1:Embedding待更新 2021/04/02 由于Informer主要是在Transformer上的改进，这里不再赘述Transformer的细节，可以参见另外的博文，可以推荐两个。 深入理解Transformer及其源码解读 最火的几个全网络预训练模型梳理整合（从ELMO到BERT到XLNET） 简介 那么Informer是做什么的呢？ 主要针对长序列预测（Long Seque
Informer代码详解!
AI蜗牛车
08-21 1688
作者：超爱学习的小豆,文章摘自圆圆的算法笔记知乎链接：https://zhuanlan.zhihu.com/p/6468534381前言Informer是2021年时序领域的best论文，仔细阅读文章和代码会发现这篇文章的思路、论点和代码框架写的是真的好，让人看着赏心悦目，此后的时序预测算法也大多是在Informer的基础上进行的，包括输入输出的格式、特征编码的方式等。2论文出发点和创新点图1 I...
JAVA图书馆书库管理系统设计(论文+源代码).zip
最新发布
06-25
JAVA图书馆书库管理系统设计(论文+源代码)

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

几度春风里

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值