ETSformer: Transformere cu Netezire Exponențială pentru Prognoza Seriilor de Timp
ETSformer este o arhitectură de învățare profundă pentru prognoza seriilor de timp, introdusă de Woo et al. în 2022. Aceasta integrează principiile clasice de netezire exponențială direct în cadrul Transformer, înlocuind mecanismul standard de auto-atenție cu un mecanism de atenție bazat pe netezire exponențială. Modelul descompune o serie de timp în componente de nivel, creștere (trend) și sezonalitate, permițându-i să valorifice atât modelarea dependențelor pe termen lung a Transformerelor, cât și structura interpretabilă a modelelor statistice ETS.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/ro/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.
- AutoformerÎnvățare profundă↔ compare
- ETS: Netezire Exponențială pentru Eroare, Trend și SezonalitateEconometrie↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →