ETSformer: Exponential Smoothing Transformer für Zeitreihenprognosen

ETSformer ist eine Deep-Learning-Architektur für Zeitreihenprognosen, die 2022 von Woo et al. eingeführt wurde. Sie integriert klassische exponentielle Glättungsprinzipien direkt in das Transformer-Framework, indem sie die Standard-Selbstaufmerksamkeit durch einen exponentiellen Glättungsaufmerksamkeitsmechanismus ersetzt. Das Modell zerlegt eine Zeitreihe in Niveau-, Wachstums- (Trend-) und saisonale Komponenten, wodurch es sowohl die Modellierungsfähigkeit von Transformern für Langzeitabhängigkeiten als auch die interpretierbare Struktur statistischer ETS-Modelle nutzen kann.