ETSformer : Transformeurs à lissage exponentiel pour la prévision de séries temporelles

ETSformer est une architecture d'apprentissage profond pour la prévision de séries temporelles introduite par Woo et al. en 2022. Elle intègre les principes classiques du lissage exponentiel directement dans le cadre des Transformeurs en remplaçant l'auto-attention standard par un mécanisme d'attention à lissage exponentiel. Le modèle décompose une série temporelle en composantes de niveau, de croissance (tendance) et saisonnière, lui permettant de tirer parti à la fois de la modélisation des dépendances à longue portée des Transformeurs et de la structure interprétable des modèles ETS statistiques.