Temporal Fusion Transformer
A Temporal Fusion Transformer (TFT), amelyet Lim, Arık, Loeff és Pfister vezetett be 2021-ben, egy értelmezhető mélytanulási architektúra többperiódusú idősor-előrejelzéshez. Kombinálja a változóválasztást, a kapuzást, a többperiódusú figyelmet és a kvantilis kimeneteket, feldolgozva az állandó, múltbeli és ismert jövőbeli bemeneteket együtt a több lépéses előrejelzések előállításához.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/hu/deep-learning/temporal-fusion-transformer
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- ARIMA (Autoregressive Integrated Moving Average) modellÖkonometria↔ összehasonlítás
- DeepARMélytanulás↔ összehasonlítás
- InformerMélytanulás↔ összehasonlítás
- N-HiTSMélytanulás↔ összehasonlítás
- PatchTSTMélytanulás↔ összehasonlítás
- Véletlen erdőGépi tanulás↔ összehasonlítás
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →