Machine learning
Temporal Fusion Transformer
Temporal Fusion Transformer (TFT)는 Lim, Arık, Loeff, Pfister가 2021년에 소개한 다중 시점 시계열 예측을 위한 해석 가능한 딥러닝 아키텍처입니다. 변수 선택, 게이팅, 다중 시점 어텐션, 분위수 출력을 결합하여 정적, 과거, 알려진 미래 입력들을 함께 처리하여 다단계 예측을 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/ko/deep-learning/temporal-fusion-transformer
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- ARIMA (Autoregressive Integrated Moving Average) 모형계량경제학↔ 비교
- DeepAR딥러닝↔ 비교
- Informer딥러닝↔ 비교
- N-HiTS딥러닝↔ 비교
- PatchTST딥러닝↔ 비교
- 랜덤 포레스트머신러닝↔ 비교