ETSformer: Transformatorë me Lëmues Eksponencialë për Parashikimin e Serive Kohore
ETSformer është një arkitekturë e thellë mësimore për parashikimin e serive kohore, prezantuar nga Woo et al. në vitin 2022. Ajo integron parimet klasike të lëmuesit eksponencial drejtpërdrejt në kuadrin e Transformer-it duke zëvendësuar mekanizmin standard të vëmendjes me vetë-vëmendje me një mekanizëm vëmendjeje të lëmuesit eksponencial. Modeli dekompozon një seri kohore në komponentë niveli, rritje (trend) dhe sezonaliteti, duke i lejuar atij të shfrytëzojë si modelimin e varësisë afatgjatë të Transformer-ëve ashtu edhe strukturën e interprejtueshme të modeleve statistikore ETS.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/sq/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.
- AutoformerMësimi i thellë↔ compare
- ETS: Lëshimi, Trendi, Llogaritja Eksponenciale SezionaleEkonometri↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →