ScholarGate
Asisten
Machine learningTime-series forecasting

ETSformer: Exponential Smoothing Transformers untuk Peramalan Deret Waktu

ETSformer adalah arsitektur pembelajaran mendalam untuk peramalan deret waktu yang diperkenalkan oleh Woo et al. pada tahun 2022. Model ini mengintegrasikan prinsip-prinsip pemulusan eksponensial klasik langsung ke dalam kerangka kerja Transformer dengan mengganti perhatian diri standar dengan mekanisme perhatian pemulusan eksponensial. Model ini menguraikan deret waktu menjadi komponen level, pertumbuhan (tren), dan musiman, yang memungkinkannya memanfaatkan pemodelan dependensi jarak jauh dari Transformer dan struktur interpretatif dari model ETS statistik.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

ETSformer: Exponential Smoothing Transformers untuk Peramalan Deret Waktu
Autoformer: Transformer…ETS: Perataan Eksponensi…

Sumber

  1. Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link

Cara menyitasi halaman ini

ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/id/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.

Compare side by side
ScholarGateETSformer (ETSformer (Exponential Smoothing Transformer)). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/etsformer · Set data: https://doi.org/10.5281/zenodo.20539026