Temporal Fusion Transformer
Temporal Fusion Transformer (TFT), представлений Lim, Arık, Loeff та Pfister у 2021 році, є інтерпретованою архітектурою глибокого навчання для прогнозування часових рядів з багатьма горизонтами. Він поєднує відбір змінних, гейтування, багато-горизонтну увагу та квантильні виходи, обробляючи статичні, минулі та відомі майбутні входи разом для створення багатоетапних прогнозів.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/uk/deep-learning/temporal-fusion-transformer
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.
- Модель ARIMA (Авторегресійна інтегрована ковзна середня)Економетрика↔ compare
- DeepARГлибоке навчання↔ compare
- InformerГлибоке навчання↔ compare
- N-HiTSГлибоке навчання↔ compare
- PatchTSTГлибоке навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →