PatchTST
PatchTST je arhitektura zasnovana na peščevima (patch-based Transformer) za prognoziranje vremenskih serija, koju su uveli Nie i saradnici 2023. godine, a koja seče svaku seriju na preklapajuće peščeve tretirane kao tokeni i obrađuje kanale nezavisno. Ona balansira računsku efikasnost sa visokom preciznošću na dugoročnim prognozama.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Patch Time Series Transformer. ScholarGate. https://scholargate.app/sr/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)Ekonometrija↔ compare
- Konformalno predviđanje za prognoziranje vremenskih serijaEkonometrija↔ compare
- Slučajna šumaMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →