Ajaline sidustransformaator
Ajaline sidustransformaator (TFT), mille esitasid Lim, Arık, Loeff ja Pfister 2021. aastal, on tõlgendatav süvaõppe arhitektuur mitmehorisondiliseks ajasarjade prognoosimiseks. See ühendab muutujate valiku, väravmehhanismid, mitmehorisondilise tähelepanu ja kvantiilväljundid, töödeldes staatilisi, mineviku ja teadaoleva tuleviku sisendeid koos, et toota mitmeastmelisi prognoose.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/et/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.
- ARIMA (autoregressiivne integreeritud liikuv keskmine) mudelÖkonomeetria↔ compare
- DeepARSüvaõpe↔ compare
- InformerSüvaõpe↔ compare
- N-HiTSSüvaõpe↔ compare
- PatchTSTSüvaõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →