Temporal Fusion Transformer
Temporal Fusion Transformer (TFT), ktorý predstavili Lim, Arık, Loeff a Pfister v roku 2021, je interpretovateľná architektúra hlbokého učenia pre viacero horizontov prognózovania časových radov. Kombinuje výber premenných, riadenie (gating), viacero horizontov pozornosti a kvantilové výstupy, pričom spracúva statické, minulé a známe budúce vstupy spolu na generovanie viacstupňových prognóz.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/sk/deep-learning/temporal-fusion-transformer
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Model ARIMA (Autoregressive Integrated Moving Average)Ekonometria↔ porovnať
- DeepARHlboké učenie↔ porovnať
- InformerHlboké učenie↔ porovnať
- N-HiTSHlboké učenie↔ porovnať
- PatchTSTHlboké učenie↔ porovnať
- Náhodný lesStrojové učenie↔ porovnať
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →