ETSformer: Exponential Smoothing Transformers per a Predicció de Sèries Temporals
ETSformer és una arquitectura d'aprenentatge profund per a la predicció de sèries temporals introduïda per Woo et al. el 2022. Integra principis clàssics de suavització exponencial directament en el marc del Transformer, reemplaçant l'autoatenció estàndard amb un mecanisme d'atenció de suavització exponencial. El model descompon una sèrie temporal en components de nivell, creixement (tendència) i estacionalitat, cosa que li permet aprofitar tant la modelització de dependències a llarg termini dels Transformers com l'estructura interpretable dels models estadístics ETS.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/ca/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.
- AutoformerAprenentatge profund↔ compare
- ETS: Error, Tendència, Suavització Exponencial EstacionalEconometria↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →