Temporal Fusion Transformer
El Temporal Fusion Transformer (TFT), introduït per Lim, Arık, Loeff i Pfister el 2021, és una arquitectura interpretable d'aprenentatge profund per a la predicció de sèries temporals multihoritzó. Combina selecció de variables, *gating*, atenció multihoritzó i sortides de quantils, processant entrades estàtiques, passades i conegudes del futur conjuntament per produir prediccions multi-pas.
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
- Lim, B., Arık, S. Ö., Loeff, N. & Pfister, T. (2021). Temporal Fusion Transformers for Interpretable Multi-Horizon Time Series Forecasting. International Journal of Forecasting, 37(4), 1748–1764. DOI: 10.1016/j.ijforecast.2021.03.012 ↗
- Lim, B. & Zohren, S. (2021). Time-Series Forecasting with Deep Learning: A Survey. Philosophical Transactions of the Royal Society A, 379(2194), 20200209. DOI: 10.1098/rsta.2020.0209 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/ca/deep-learning/temporal-fusion-transformer
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.
- Model d'ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- DeepARAprenentatge profund↔ compare
- InformerAprenentatge profund↔ compare
- N-HiTSAprenentatge profund↔ compare
- PatchTSTAprenentatge profund↔ compare
- Random ForestAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →