ETSformer: Penghalusan Eksponensial Transformer untuk Ramalan Deret Masa
ETSformer ialah seni bina pembelajaran mendalam untuk ramalan deret masa yang diperkenalkan oleh Woo et al. pada tahun 2022. Ia mengintegrasikan prinsip penghalusan eksponensial klasik secara langsung ke dalam rangka kerja Transformer dengan menggantikan perhatian kendiri standard dengan mekanisme perhatian penghalusan eksponensial. Model ini menguraikan deret masa kepada komponen aras, pertumbuhan (trend), dan bermusim, membolehkannya memanfaatkan pemodelan kebergantungan jarak jauh Transformer dan struktur model ETS statistik yang boleh ditafsir.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/ms/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.
- Autoformer: Penghuraian Transformer untuk Ramalan Deret Masa Jangka PanjangPembelajaran Mendalam↔ compare
- ETS: Penghalusan Eksponen Ralat, Tren, BermusimEkonometrik↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →