Machine learning
טרנספורמר מיזוג זמני
הטרנספורמר מיזוג זמני (TFT), שהוצג על ידי לימ, אריק, לואף ופפסטר בשנת 2021, הוא ארכיטקטורת למידה עמוקה ניתנת לפירוש לצורך חיזוי סדרות עתיות מרובות אופקים. הוא משלב בחירת משתנים, שערים, קשב מרובה אופקים ופלטי קוונטיל, ומעבד קלט סטטי, קלט מהעבר וקלט ידוע-עתיד יחד כדי להפיק תחזיות מרובות צעדים.
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.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/he/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.
- מודל ARIMA (Autoregressive Integrated Moving Average)אקונומטריקה↔ compare
- DeepARלמידה עמוקה↔ compare
- מְיַדֵּעַלמידה עמוקה↔ compare
- N-HiTSלמידה עמוקה↔ compare
- PatchTSTלמידה עמוקה↔ compare
- יער אקראילמידת מכונה↔ compare