Machine learning
PatchTST
PatchTSTは、Nieらによって2023年に導入された、時系列予測のためのパッチベースのTransformerアーキテクチャであり、各系列をトークンとして扱われるオーバーラップするパッチに分割し、チャネルを独立に処理します。計算効率と長期間予測における高い精度を両立させています。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
出典
- Nie, Y., Nguyen, N. H., Sinthong, P. & Kalagnanam, J. (2023). A Time Series is Worth 64 Words: Long-term Forecasting with Transformers. ICLR. link ↗
- Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L. & Jin, R. (2022). FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting. ICML. link ↗
このページの引用方法
ScholarGate. (2026, June 1). Patch Time Series Transformer. ScholarGate. https://scholargate.app/ja/deep-learning/patchtst
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.
- ARIMA（自己回帰和分移動平均）モデル計量経済学↔ compare
- 時系列予測のための conformal prediction計量経済学↔ compare
- ランダムフォレスト機械学習↔ compare