Temporal Fusion Transformer
Temporal Fusion Transformer (TFT), jonka Lim, Arık, Loeff ja Pfister esittelivät vuonna 2021, on tulkittava syväoppimisarkkitehtuuri monen aikavälin aikasarjaennustamiseen. Se yhdistää muuttujien valinnan, portitusmekanismit, monen aikavälin huomiomekanismit ja kvantiililähdöt, käsitellen staattisia, menneitä ja tunnettuja tulevia syötteitä yhdessä tuottaakseen monivaiheisia ennusteita.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/fi/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 (Autoregressive Integrated Moving Average) -malliEkonometria↔ compare
- DeepARSyväoppiminen↔ compare
- InformerSyväoppiminen↔ compare
- N-HiTSSyväoppiminen↔ compare
- PatchTSTSyväoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →