Machine learning
Temporal Fusion Transformer
Temporal Fusion Transformer (TFT) は、Lim、Arık、Loeff、Pfister によって2021年に導入された、解釈可能な深層学習アーキテクチャであり、複数ホライズン時系列予測に用いられます。変数選択、ゲーティング、複数ホライズンアテンション、および分位点出力を組み合わせ、静的、過去、および既知の将来の入力をまとめて処理し、複数ステップの予測を生成します。
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/ja/deep-learning/temporal-fusion-transformer
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- ARIMA（自己回帰和分移動平均）モデル計量経済学↔ 比較
- DeepAR深層学習↔ 比較
- Informer深層学習↔ 比較
- N-HiTS深層学習↔ 比較
- PatchTST深層学習↔ 比較
- ランダムフォレスト機械学習↔ 比較