ETSformer: Eksponentiaalisen tasoituksen muuntajat aikasarjaennustamiseen
ETSformer on syväoppimisarkkitehtuuri aikasarjaennustamiseen, jonka Woo et al. esittelivät vuonna 2022. Se integroi klassiset eksponentiaalisen tasoituksen periaatteet suoraan muuntaja-kehykseen korvaamalla standardin itsehuomion eksponentiaalisen tasoituksen huomiomekanismilla. Malli hajottaa aikasarjan taso-, kasvu- (trendi-) ja kausikomponenteiksi, mikä mahdollistaa sekä muuntajien pitkän aikavälin riippuvuuksien mallintamisen että tilastollisten ETS-mallien tulkittavan rakenteen hyödyntämisen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/fi/deep-learning/etsformer
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.
- Autoformer: Dekompositio-muuntaja pitkän aikavälin aikasarjaennustamiseenSyväoppiminen↔ compare
- ETS: Virhe-, trendi- ja kausitasoitusEkonometria↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →