Temporální fúzní transformátor
Temporální fúzní transformátor (TFT), představený Limem, Arıkem, Loeffem a Pfisterem v roce 2021, je interpretovatelná architektura hlubokého učení pro prognózování časových řad s více horizonty. Kombinuje výběr proměnných, řízení, pozornost s více horizonty a kvantilové výstupy, zpracovává statické, minulé a známé budoucí vstupy společně k produkci vícekrokových prognóz.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/cs/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 ARIMA (autoregresní integrovaný klouzavý průměr)Ekonometrie↔ compare
- DeepARHluboké učení↔ compare
- InformerHluboké učení↔ compare
- N-HiTSHluboké učení↔ compare
- PatchTSTHluboké učení↔ compare
- Random ForestStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →