Machine learningTime-series forecasting
ETSformer: 지수 평활 트랜스포머를 이용한 시계열 예측
ETSformer는 Woo 등이 2022년에 소개한 시계열 예측을 위한 딥러닝 아키텍처입니다. 이 모델은 표준 셀프 어텐션을 지수 평활 어텐션 메커니즘으로 대체함으로써 고전적인 지수 평활 원리를 트랜스포머 프레임워크에 직접 통합합니다. 모델은 시계열을 수준(level), 성장(trend), 계절성(seasonal) 구성 요소로 분해하여, 트랜스포머의 장거리 의존성 모델링 능력과 통계적 ETS 모델의 해석 가능한 구조를 모두 활용할 수 있게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/ko/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 →