摘要：
https://openreview.net/forum?id=J4gRj6d5Qm Q1: For time series without clear periodicity, whether Auto-Correlation still works or not? In Table 3 of m 阅读全文
posted @ 2023-10-08 08:03
emanlee
阅读(46)
评论(0)
推荐(0)
摘要：
Our results show that DLinear outperforms existing complex Transformer-based models in most cases by a large margin. In particular, for the Exchange-R 阅读全文
posted @ 2023-10-08 08:03
emanlee
阅读(90)
评论(0)
推荐(0)
摘要：
While some deep learning models discover dependencies in decomposed time series, they are not good at capturing local dynamics and long-term dependenc 阅读全文
posted @ 2023-10-08 08:03
emanlee
阅读(31)
评论(0)
推荐(0)
摘要：
https://blog.csdn.net/weixin_44790306/article/details/124064177 摘要本周一是对Informer论文的阅读，其关注的问题依然是长时间序列预测问题。也是从self-attention 机制的缺陷出发，做了一些优化于改进工作，像ProbSpa 阅读全文
posted @ 2023-10-08 08:02
emanlee
阅读(1718)
评论(0)
推荐(0)
摘要：
Informer: 一个基于Transformer的效率优化的长时间序列预测模型 Informer创新点介绍 ProbSparse self-attention self-attention蒸馏机制 一步Decoder 实验结果 总结 Informer: Beyond Efficient Trans 阅读全文
posted @ 2023-10-08 08:02
emanlee
阅读(925)
评论(0)
推荐(0)
摘要：
参数量方法一：pytorch自带方法，计算模型参数总量 参数量方法二： summary的使用：来自于torchinfo第三方库 参数量方法三： summary的使用：来自于torchsummary第三方库 计算量方法一：thop的使用，输出计算量FLOPs和参数量parameter我们通常要通过计算 阅读全文
posted @ 2023-10-08 08:01
emanlee
阅读(8845)
评论(0)
推荐(0)
摘要：
https://www.zhihu.com/question/547837668 https://www.zhihu.com/question/24021704 https://www.zhihu.com/question/24021704/answer/2245867156 傅立叶原理表明：任何连 阅读全文
posted @ 2023-10-08 08:01
emanlee
阅读(80)
评论(0)
推荐(0)
摘要：
https://blog.csdn.net/weixin_49967436/article/details/121736079 3.1.Multi-Head Attention(图2-红色圆圈部分，图3-红色长方体) 3.2.Self-sttention Distilling(图2-蓝色圆圈部分，图 阅读全文
posted @ 2023-10-08 07:59
emanlee
阅读(97)
评论(0)
推荐(0)
该文被密码保护。 阅读全文
posted @ 2023-10-08 07:53
emanlee
阅读(0)
评论(0)
推荐(0)
摘要：
pytorch permute permute(dims)将tensor的维度换位。参数：参数是一系列的整数，代表原来张量的维度。比如三维就有0，1，2这些dimension。例： import torch import numpy as np a=np.array([[[1,2,3],[4,5,6 阅读全文
posted @ 2023-10-08 07:53
emanlee
阅读(42)
评论(0)
推荐(0)
浙公网安备 33010602011771号