¿Qué son Informer y Autoformer?

Informer y Autoformer son arquitecturas de redes neuronales diseñadas para la predicción eficiente de series temporales.

• Informer: una versión mejorada de Transformer, optimizada para series temporales largas. Utiliza el mecanismo de Atención ProbSparse, que reduce la complejidad computacional de la atención, seleccionando las claves más relevantes para la atención, lo que permite procesar secuencias largas más rápido y con menos recursos.

• Autoformer: una arquitectura que introduce el mecanismo de Auto-Correlación para modelar componentes estacionales y de tendencia en las series temporales. Esto permite capturar mejor las dependencias a largo plazo y mejorar la precisión de las predicciones.

Ambos modelos están enfocados en resolver los problemas de los Transformers clásicos al trabajar con series temporales, como la alta complejidad computacional y la capacidad insuficiente para modelar dependencias a largo plazo.