Informer2020
Informer2020 copied to clipboard
zhouhaoyi
关于图像时间序列处理的问题
作者您好，我想问一下informer模型能否用于图像时间序列的预测问题。我的预测任务是根据一定时期内的电离层总电子含量全球分布图像来预测下面一段时间内的分布图像，想法是先使用卷积操作将总电子含量图处理为一维的特征向量，再将特征向量输入进informer模型中预测下一时段的特征向量。但这样的数据没有标签值，请问改如何选择informer中的预测模式，以及还要对初始数据进行什么样的处理才能适合于模型，谢谢！
可以尝试采用auto-encoder结构做预测，先训练一个autoencoder（VAE，CAE， ...）再在隐空间用informer做预测
可以尝试采用auto-encoder结构做预测，先训练一个autoencoder（VAE，CAE， ...）再在隐空间用informer做预测
请问老师，我尝试先训练了一个栈式自编码器，将原图像压缩成一个324维的向量，并将中间隐层的输出值作为特征输入进informer中进行预测，但预测结果并不理想，想了下原因可能是在训练autoencoder的时候对输入数据采用了最大最小值进行了归一化，而informer模型中采用了均值和方差对输入数据进行了归一化，老师请问这样的做法会造成预测误差增大吗，以及还会造成其他什么样的影响，是否需要对autoencoder隐层输出的数据先进行预处理，使数据处于某个范围之内，然后再输入到informer模型中去，恳请老师拨冗指教。
你好,问题解决了吗,需要怎么做呢
chatgpt给出的建议是栈式自编码器要采用与informer一样的归一化方法，否则会影响预测精度
好的,我去学习一下