Was sind Informer und Autoformer?

Informer und Autoformer sind Architekturen neuronaler Netze, die für die effiziente Vorhersage von Zeitreihen entwickelt wurden.

• Informer — eine verbesserte Version des Transformers, optimiert für lange Zeitreihen. Verwendet den ProbSparse Attention-Mechanismus, der die Rechenkomplexität der Aufmerksamkeit reduziert, indem er die wichtigsten Schlüssel für die Aufmerksamkeit auswählt, was eine schnellere Verarbeitung langer Sequenzen mit weniger Ressourcen ermöglicht.

• Autoformer — eine Architektur, die den Auto-Correlation-Mechanismus einführt, um saisonale und Trendkomponenten von Zeitreihen zu modellieren. Dies ermöglicht eine bessere Erfassung langfristiger Abhängigkeiten und eine höhere Vorhersagegenauigkeit.

Beide Modelle zielen darauf ab, die Probleme klassischer Transformer bei der Arbeit mit Zeitreihen zu lösen, wie hohe Rechenkomplexität und unzureichende Fähigkeit, langfristige Abhängigkeiten zu modellieren.