PatchTST
PatchTST është një arkitekturë Transformer e bazuar në copëza (patches) për parashikimin e serive kohore, prezantuar nga Nie dhe kolegët në vitin 2023, e cila e ndan secilën seri në copëza të mbivendosura që trajtohen si 'token' dhe përpunon kanalet në mënyrë të pavarur. Ajo balancon efikasitetin llogaritës me saktësi të lartë në parashikimin afatgjatë.
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.
+4 more
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). Patch Time Series Transformer. ScholarGate. https://scholargate.app/sq/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)Ekonometri↔ compare
- Parashikimi Konform për Parashikimin e Serive KohoreEkonometri↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →