> ML_ALGORITHM // PATCHTST-CHANNEL-INDEPENDENT-PATCHING_v1.0
PatchTST (Kanal Bağımsız Yamalı Transformer)
Sürekli serileri alt seri yamalarına bölen ve kanal bağımsız öz dikkat uygulayan son derece etkili zaman serisi Transformerı.
Transformer-Based Forecastingtime-series-forecastingmoderate-posthoclarge (>100k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(epochs * batch_size * channels * (L/P)^2 * d)
Çıkarım (Inference):O(channels * (L/P)^2 * d)
Donanım Karakteristiği
CPU Uygunluğu:Hayır
GPU Zorunluluğu:Evet
Bellek Ayak İzi:moderate
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:moderate-posthoc
Eğitim Verisi İhtiyacı:large (>100k)
Açıklanabilirlik Değerlendirmesi
Kanal bağımsızlığı kanallar arası sahte korelasyonları önlerken yama dikkati zamansal belleği korur.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
long horizon forecastingmultivariate time series forecasting
Desteklenen Modaliteler:
time-series
Temel Literatür & Yayınlar
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Temel periyodiklikle uyumsuz bir yama boyutu P seçmek Fourier spektral özelliklerini bozar