thuml/Autoformer
چه کاری انجام میده؟
این پروژه یک مدل ترنسفورمر مبتنی بر تجزیه و تحلیل سری‌های زمانی با استفاده از همبستگی خودکار (Auto-Correlation) برای پیش‌بینی بلندمدت سری‌های زمانی هست. Autoformer با استفاده از یک مکانیسم تجزیه‌ی سریع و مؤثر، الگوهای بلندمدت و کوتاه‌مدت را از هم جدا می‌کنه و عملکرد بهتری نسبت به مدل‌های قبلی در پیش‌بینی طولانی‌مدت داره.
کاربرد:
این مدل بیشتر در حوزه‌هایی که نیاز به پیش‌بینی دقیق داده‌های زمانی در آینده‌ی دور دارن استفاده میشه، مثل:
- پیش‌بینی تقاضای برق
- پیش‌بینی قیمت بازار سهام
- پیش‌بینی دمای آب و هووا
- نظارت بر سلامت تجهیزات صنعتی
در چه شرایطی بهتره استفاده شود؟
وقتی با داده‌های سری زمانی بلندمدت سروکار داری و نیاز به پیش‌بینی چند گام آینده (مثل چند ساعت، روز یا هفته) داری، Autoformer گزینه‌ی عالی‌ایه. همچنین وقتی داده‌ها دارای الگوهای فصلی یا تناوبی پیچیده‌ای هستند، این مدل به خوبی عمل می‌کنه.
چند مثال از موارد استفاده:
پیش‌بینی مصرف انرژی در شبکه‌های هوشمند برق برای ۲۴ ساعت آینده
پیش‌بینی دمای شهرها در طول یک هفته برای برنامه‌ریزی کشاورزی
تشخیص ناهنجاری در داده‌های حسگر ماشین‌آلات با پیش‌بینی رفتار عادی
- ##TimeSeriesForecasting
- ##DeepLearning
- ##Transformer
- ##AutoCorrelation
- ##LongTermPrediction
- ##NeurIPS2021
- ##Thuml
- ##Autoformer
- ##SequenceModeling
- ##AI