informer的改进点

回答: Informer是一种对Transformer模型进行改进的方法，旨在提高计算、内存和体系结构的效率，同时保持更高的预测能力。\[1\] Informer的改进点主要包括以下三个方面：首先，Informer使用了概率自我注意代替了传统的自我注意机制，这样可以大幅减少网络规模，提取支配注意力，从而提高模型的效率。\[3\]其次，Informer在编码器和解码器中使用了层堆叠副本，这样可以增加模型的鲁棒性，提高预测能力。\[3\]最后，Informer针对长序列预测问题进行了优化，解决了传统Transformer模型在处理长序列时的性能问题，提高了模型的预测准确性。\[2\]总的来说，Informer通过改进Transformer模型的计算、内存和体系结构，以及优化长序列预测问题，实现了对Transformer的改进。
#### 引用[.reference_title]
- *1* *2* [Informer学习记录之Informer-Tensorflow版本](https://blog.csdn.net/pengxiang1998/article/details/127701084)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [Informer：改进Transformer的长序列时序预测模型](https://blog.csdn.net/zzh1464501547/article/details/117734209)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]