ETSformer: חיזוי סדרות עתיות באמצעות טרנספורמרים מבוססי החלקה מעריכית
ETSformer היא ארכיטקטורת למידה עמוקה לחיזוי סדרות עתיות שהוצגה על ידי Woo ועמיתיו בשנת 2022. היא משלבת עקרונות החלקה מעריכית קלאסיים ישירות במסגרת הטרנספורמר על ידי החלפת מנגנון קשב עצמי סטנדרטי במנגנון קשב החלקה מעריכית. המודל מפרק סדרה עתית לרכיבי רמה, גידול (מגמה) ועונתיות, מה שמאפשר לו למנף הן את יכולת המידול של תלויות ארוכות טווח של טרנספורמרים והן את המבנה הפרשני של מודלי ETS סטטיסטיים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/he/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: טרנספורמר מבוסס פירוק לחיזוי סדרות עתיות ארוכות טווחלמידה עמוקה↔ compare
- ETS: שגיאה, מגמה, החלקה אקספוננציאלית עונתיתאקונומטריקה↔ compare