ETSformer: محولات التنعيم الأسي للتنبؤ بالسلاسل الزمنية
ETSformer هي بنية تعلم عميق للتنبؤ بالسلاسل الزمنية قدمها وو وآخرون (Woo et al.) في عام 2022. تدمج هذه البنية مبادئ التنعيم الأسي الكلاسيكية مباشرة في إطار عمل المحولات (Transformer) عن طريق استبدال آلية الانتباه الذاتي القياسية بآلية انتباه تعتمد على التنعيم الأسي. يقوم النموذج بتحليل السلسلة الزمنية إلى مكونات المستوى والنمو (الاتجاه) والموسمية، مما يسمح له بالاستفادة من نمذجة الاعتماد طويل المدى للمحولات والبنية القابلة للتفسير لنماذج ETS الإحصائية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/ar/deep-learning/etsformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- أوتوفورمر: مُحوّل التفكيك للتنبؤ بالسلاسل الزمنية طويلة الأمدالتعلم العميق↔ compare
- ETS: تنعيم أسي للخطأ والاتجاه والموسميةالاقتصاد القياسي↔ compare