Tidsmessig fusjonstransformator
Temporal Fusion Transformer (TFT), introdusert av Lim, Arık, Loeff og Pfister i 2021, er en tolkbar dyp læringsarkitektur for prognoser for tidsserier med flere horisonter. Den kombinerer variabelseleksjon, gating, multi-horisont-oppmerksomhet og kvantil-utdata, og behandler statiske, fortidige og kjente-fremtidige innganger sammen for å produsere prognoser i flere trinn.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/no/deep-learning/temporal-fusion-transformer
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.
- ARIMA (Autoregressive Integrated Moving Average) ModellØkonometri↔ compare
- DeepARDyp læring↔ compare
- InformerDyp læring↔ compare
- N-HiTSDyp læring↔ compare
- PatchTSTDyp læring↔ compare
- Random ForestMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →