· 2023· Derleme
Zaman Serilerinde Transformatörler: Bir Derleme
Transformers in Time Series: A Survey
- 1.020atıf
- 2023yıl
Kısa özet
Bu derleme, zaman serisi analizi için uyarlanmış Transformatör modellerini sistematik olarak incelemekte, uzun menzilli bağımlılıkları yakalamadaki güçlü yönlerini ve tahmin, anomali tespiti ve sınıflandırma gibi uygulamalarını vurgulamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Transformatörler, zaman serisi modellemesi için önemli bir avantaj olan uzun menzilli bağımlılıkları yakalamada üstündür.
- Derleme, zaman serisi Transformatör uyarlamalarını ağ yapısı modifikasyonları ve uygulama görevlerine (tahmin, anomali tespiti, sınıflandırma) göre kategorize eder.
- Ampirik analizler, zaman serilerinde Transformatörlerin performansını, model boyutunu ve mevsimsel-eğilim ayrışmasını kapsamaktadır.
- Makale, sistematik bir inceleme sunmakta ve gelecekteki araştırma yönlerini tartışmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Transformers have achieved superior performances in many tasks in natural language processing and computer vision, which also triggered great interest in the time series community. Among multiple advantages of Transformers, the ability to capture long-range dependencies and interactions is especially attractive for time series modeling, leading to exciting progress in various time series applications. In this paper, we systematically review Transformer schemes for time series modeling by highlighting their strengths as well as limitations. In particular, we examine the development of time series Transformers in two perspectives. From the perspective of network structure, we summarize the adaptations and modifications that have been made to Transformers in order to accommodate the challenges in time series analysis. From the perspective of applications, we categorize time series Transformers based on common tasks including forecasting, anomaly detection, and classification. Empirically, we perform robust analysis, model size analysis, and seasonal-trend decomposition analysis to study how Transformers perform in time series. Finally, we discuss and suggest future directions to provide useful research guidance.
Yazarların özeti; kaynağından alınmıştır., 2023 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sinyal İşleme
Signal ProcessingComputer Science