Temporal Fusion Transformer
Temporal Fusion Transformer (TFT), introdus de Lim, Arık, Loeff și Pfister în 2021, este o arhitectură de deep learning interpretabilă pentru prognoza seriilor temporale multi-orizont. Combină selecția variabilelor, mecanisme de gating, atenție multi-orizont și ieșiri cuantice, procesând simultan intrări statice, din trecut și cunoscute în viitor pentru a produce prognoze multi-pas.
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
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/ro/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.
- Modelul ARIMA (Autoregresiv Integrat cu Medii Mobile)Econometrie↔ compare
- DeepARÎnvățare profundă↔ compare
- InformerÎnvățare profundă↔ compare
- N-HiTSÎnvățare profundă↔ compare
- PatchTSTÎnvățare profundă↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →