Machine learning
PatchTST
PatchTST הוא ארכיטקטורת טרנספורמר מבוססת טלאים (patches) לחיזוי סדרות עתיות, שהוצגה על ידי ני ושותפיו בשנת 2023, החותכת כל סדרה לטלאים חופפים המטופלים כאסימונים (tokens) ומעבדת ערוצים באופן בלתי תלוי. היא מאזנת יעילות חישובית עם דיוק חזק בחיזוי ארוך טווח.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
מקורות
- Nie, Y., Nguyen, N. H., Sinthong, P. & Kalagnanam, J. (2023). A Time Series is Worth 64 Words: Long-term Forecasting with Transformers. ICLR. link ↗
- Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L. & Jin, R. (2022). FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting. ICML. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Patch Time Series Transformer. ScholarGate. https://scholargate.app/he/deep-learning/patchtst
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.
- מודל ARIMA (Autoregressive Integrated Moving Average)אקונומטריקה↔ compare
- חיזוי קונפורמי לסדרות עתיותאקונומטריקה↔ compare
- יער אקראילמידת מכונה↔ compare
מאוזכר על ידי
Crossformer: טרנספורמר תלות בין-ממדית לחיזוי סדרות עתיות מרובות משתניםDeepARDLinear: מודל לינארי מפורק לחיזוי סדרות עתיותמְיַדֵּעַiTransformer: טרנספורמר מהופך לחיזוי סדרות זמן מרובות משתניםMoirai: מודל טרנספורמר אוניברסלי לחיזוי סדרות עתיותN-HiTSSegRNN: רשת נוירונים רקורסיבית מבוססת מקטעים לחיזוי סדרות עתיות ארוכות טווחטרנספורמר מיזוג זמניTimesFM: מודל יסוד מבוסס מפענח בלבד לחיזוי סדרות עתיותTimesNet: מידול שינויים דו-ממדיים בזמן עבור סדרות עתיות