哪些网站做农产品电子商务,中国建设企业网站,嘉兴企业网站开发,网站建设推广代理商论文背景 应用背景 训练的是历史数据#xff0c;但预测的是未来的数据#xff0c;但是历史数据和未来数据的分布不一定是一样的#xff0c;所以时间序列应用于股票预测往往不太稳定 动作预测#xff1a; 基于之前的视频中每一帧动作#xff0c;预测下一帧这个人要做什么…论文背景 应用背景 训练的是历史数据但预测的是未来的数据但是历史数据和未来数据的分布不一定是一样的所以时间序列应用于股票预测往往不太稳定 动作预测 基于之前的视频中每一帧动作预测下一帧这个人要做什么动作 流量预测 网上购物基于之前的流量预测出之后购买的流量应该有多少好进行适当的补货 论文背景研究问题 拿过去20天的数据训练 1.短序列预测则为预测未来2-3天的天气这个比较好做 3.精准长序列预测则为预测10多天的天气这个比较难做甚至有可能拿过去半年的数据来预测未来半年的数据 解释为什么长序列预测难 传统时间序列经典算法 Prophet非常实用的工具包适合预测趋势但不算精准 Arima老牌算法了短序列预测还算精准但是趋势预测不准 但是一旦涉及到长序列他俩可能就都不行了 Informer中将主要致力于长序列问题的解决而且还可以多标签输出(即天气预测不仅预测天气还可以预测湿度降雨量等) 传统办法LSTM的问题 预测是串行的必须预测完才到 而且反向传播也得逐个逐个传对模型训练更难了 在长序列预测中如果序列越长那速度肯定越慢效果也越差(现存问题即要解决的问题) informer算法的核心思想 Transformer架构的优势与问题 1.万能模型直接套用代码实现简单现成例子一大片 2.并行的比LSTM快全局信息丰富注意力机制效果好 3.长序列中attention需要每一个点跟其他点计算如果序列太长效率很低计算效率跟序列长度呈的关系 4.Decoder输出挺墨迹的要基于上一个预测结果来推断当前的预测结果所以informer对encoder也进行了一些调整对48天的数据同时输出(而不是预测了第一天之后再根据预测第一天的结果推测第二天)。 要解决的三大问题即论文的三大核心模块 Attention计算 左下角的图的值是Q与K内积的值越往0代表关系越不大(Q与K接近垂直)越往1代表关系越大(Q与K将近同一条线上) 在长序列中每一个位置的attention都很重要吗 对于每一个Q来说只有一小部分的K是其它有较强关系 长序列中要不要进行采样呢 群众里有坏人有偷懒不干活的Q 出于计算效率的考虑那我们只需要关心有得分值大的那一小部分那些。 如何定义每一个Q是不是偷懒的 偷懒的Q感觉就像是均匀分布没啥特点你有我有全都有 Active的Q明显在某些位置比较活跃权重差异较大 对于每一个Q计算其与均匀分布的差异差异越大则表示其越活越 论文给出的公式没看懂┭┮﹏┭┮ ProbAttention计算方法 挑出重要的Q 输入序列长度为96,现在要选出来的是一些重要的Q正常情况需每一个Q跟全部(96)个K计算 这里为了节省计算量重要的Q不用非得计算那么多跟部分K计算的结果也可以当作其分布即重要的Q跟一部分K做计算后应该也要能看出来它是重要的而不需要跟全部的K去做计算。 所以在K中进行采样随机选25个K于是让Q跟25个K作计算。 例如源码输出结果32, 8, 96, 25表示32个batch8头96个Q分别跟25个K计算的内积。 现在每一个Q有25个得分分别跟25个K计算后得到的该例中 论文中做法比较绝为了进一步加速直接选最大值与均匀分布算差异 之后按差异进行排序在96个Q中选出来差异前(即差异最大)的25个Q根据序列长度来定的一个参数值 如何更新不重要的Q 在算内积时Q*K内积为32, 8, 25, 96就是只选了25个Q但K还是96个(并不是只用随机选择的25个) 那么其它位置的Q该咋办呢它没有参与计算其attention目前 出于节省计算量直接用V96个表示每一个位置的特征的均值来替代 也就是选出来的25个Q会更新其他剩余的都是均值向量 Self-attention Distilling计算方法 传统transformer就是多次重复的self-attention堆叠。 这里与传统transformer不同做完一次attention之后还要继续堆叠只不过会96的输入序列(指96个Q、K、V)先通过1D的maxpool操作来进行下采样下次attention的输入序列就为48了。此时Q和K的采样由于序列长度变小也会随之变小例如由25-20为了去掉比较懒的Q。 重复堆叠多次就是Informer的Encoder架构了。 做完maxpool操作又会把比较懒、不去起作用的Q过滤掉。 Encoder改进后的效果 一方面就是速度快效率高了论文中计算复杂度由 下采样之后特征更明显且跟之前的特征的分布基本一致 关于Decoder的设计 传统Decoder输出 先输出第一个在基于第一个输出第二个以此类推 Start标志位 要让Decoder输出预测结果你得先告诉它从哪开始输出。 先给一个引导比如要输出20-30号的预测结果Decoder中需先给出前面一个已知的序列结果例如10-20号的标签值下图是待预测结果是已知结果。 从源码角度来看 源码中decoder输入长度为72其中前48是真实值后24是预测值 第一步还是做自身的ProbAttention 注意这回需要加上maskmask的意思就是前面的不能看到后面的不能透题 自身计算完self-attention再算与encoder的cross-attention即可 mask值举例 这里mask1是我要的mask0是我要剔除的。 预测天气5应该只能用到1-4天的信息而不能利用后面6-7天的信息 预测天气6应该只能用到1-5天的信息而不能利用后面7-8天的信息 预测天气7应该可以用到前面1-6天的信息 位置编码信息 位置信息变得更加丰富了 不仅有绝对位置编码Local Time Stamp 还包括了跟时间相关的各种编码Global Time Stamp Encoder与Decoder都加入了这些位置编码 节假日有可能对一些时间序列预测有关比如说车流量某旅游地的流量明显会在节假日有所提高当然节假日对天气的预测似乎没什么关系这里的位置编码更多的知识一种思路希望我们读者在自己的任务中引入一些跟时间密切相关的编码。 整体网络架构 主要改进就是编码和解码器的优化速度更快解决长序列问题 需要注意的是最终通过Outputs来同时预测几天的结果而不是像传统算法那样预测一天后再预测下一天。 参考资料 论文下载 https://arxiv.org/abs/2012.07436 Informer Beyond Efficient Transformer for Long Sequence.pdf 代码地址 GitHub - zhouhaoyi/Informer2020: The GitHub repository for the paper Informer accepted by AAAI 2021.