Registro de evidência do método

Temporal Fusion Transformer

The Temporal Fusion Transformer (TFT), introduced by Lim, Arık, Loeff and Pfister in 2021, is an interpretable deep learning architecture for multi-horizon time series forecasting. It combines variable selection, gating, multi-horizon attention and quantile outputs, processing static, past and known-future inputs together to produce multi-step forecasts.

Sources recorded, not reviewed

Registro de origem

Citações copiadas literalmente do registro de origem do método. Nenhuma verificação em nível de alegação é inferida delas.

Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting

Registro de método taxonômico · ml-model / deep-learning

Abrir método completo

Alegações curadas

Alegações persistidas no livro-razão de evidências, cada uma com sua própria avaliação.

Ainda não há alegações curadas

Esta visualização não inventa uma avaliação de alegação quando o livro-razão não a possui.

Métodos relacionados

Gerado a partir do grafo de métodos e mostrado como relações sugeridas por máquina — nenhuma alegação de evidência é inferida.