Temporal Fusion Transformer
Temporal Fusion Transformer (TFT), predstavljen od strane Lima, Arıka, Loeffa i Pfistera 2021. godine, interpretativna je arhitektura dubokog učenja za prognoziranje vremenskih serija s više horizonta. Kombinira odabir varijabli, usmjeravanje (gating), pažnju na više horizonta i kvantilne izlaze, obrađujući statičke, prošle i poznate buduće ulaze zajedno kako bi proizveo prognoze u više koraka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/hr/deep-learning/temporal-fusion-transformer
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Model ARIMA (Autoregresivni integrirani pokretni prosjek)Ekonometrija↔ usporedi
- DeepARDuboko učenje↔ usporedi
- InformerDuboko učenje↔ usporedi
- N-HiTSDuboko učenje↔ usporedi
- PatchTSTDuboko učenje↔ usporedi
- Slučajna šumaStrojno učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →