PatchTST
PatchTST je architektúra Transformer založená na patchoch pre predikciu časových radov, predstavená Nie a kolegami v roku 2023, ktorá rozdeľuje každý rad na prekrývajúce sa pachy (patches) spracúvané ako tokeny a kanály spracúva nezávisle. Vyvažuje výpočtovú efektivitu so silnou presnosťou pri dlhodobých predikciách.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Zdroje
- Nie, Y., Nguyen, N. H., Sinthong, P. & Kalagnanam, J. (2023). A Time Series is Worth 64 Words: Long-term Forecasting with Transformers. ICLR. link ↗
- Zhou, T., Ma, Z., Wen, Q., Wang, X., Sun, L. & Jin, R. (2022). FEDformer: Frequency Enhanced Decomposed Transformer for Long-term Series Forecasting. ICML. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Patch Time Series Transformer. ScholarGate. https://scholargate.app/sk/deep-learning/patchtst
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.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ compare
- Konformná predikcia pre časové radyEkonometria↔ compare
- Náhodný lesStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →