ScholarGate
Pembantu
Machine learningTime-series forecasting

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

ETSformer: Penghalusan Eksponensial Transformer untuk Ramalan Deret Masa
Autoformer: Penghuraian…ETS: Penghalusan Ekspone…

Sumber

  1. 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.

Compare side by side
ScholarGateETSformer (ETSformer (Exponential Smoothing Transformer)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/deep-learning/etsformer · Set data: https://doi.org/10.5281/zenodo.20539026