PatchTST
PatchTST on ajajoonte ennustamiseks loodud plaastripõhine Transformer-arhitektuur, mille Nie ja kolleegid tutvustasid 2023. aastal. See jagab iga ajajoone kattuvateks plaastriteks, mida käsitletakse kui tokeneid, ning töötleb kanaleid sõltumatult. See tasakaalustab arvutuslikku tõhusust ja tugevat täpsust pikaajalise ennustamise korral.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Allikad
- Nie, Y., Nguyen, N. H., Sinthong, P. & Kalagnanam, J. (2023). A Time Series is Worth 64 Words: Long-term Forecasting with Transformers. ICLR. link ↗
- Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L. & Jin, R. (2022). FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting. ICML. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Patch Time Series Transformer. ScholarGate. https://scholargate.app/et/deep-learning/patchtst
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.
- ARIMA (autoregressiivne integreeritud liikuv keskmine) mudelÖkonomeetria↔ compare
- Konforme ennustamine aegridade prognoosimiseksÖkonomeetria↔ compare
- Juhuslik metsMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →