ETSformer: Transformeri eksponencijalnog izglađivanja za predviđanje vremenskih serija
ETSformer je arhitektura dubokog učenja za predviđanje vremenskih serija koju su 2022. godine predstavili Woo i suradnici. Ona integrira klasične principe eksponencijalnog izglađivanja izravno u okvir Transformer zamjenom standardne samo-pažnje mehanizmom pažnje eksponencijalnog izglađivanja. Model dekomponira vremensku seriju na razinu, rast (trend) i sezonske komponente, omogućujući mu da iskoristi i modeliranje dugoročnih ovisnosti Transformera i interpretativnu strukturu statističkih ETS modela.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/hr/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.
- AutoformerDuboko učenje↔ compare
- ETS: Eksponencijalno izglađivanje pogreške, trenda i sezonskostiEkonometrija↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →