ETSformer: Bộ biến đổi làm mịn theo hàm mũ cho dự báo chuỗi thời gian
ETSformer là một kiến trúc học sâu cho dự báo chuỗi thời gian được giới thiệu bởi Woo và cộng sự vào năm 2022. Nó tích hợp các nguyên tắc làm mịn theo hàm mũ cổ điển trực tiếp vào khuôn khổ Transformer bằng cách thay thế cơ chế tự chú ý (self-attention) tiêu chuẩn bằng một cơ chế chú ý làm mịn theo hàm mũ. Mô hình phân rã chuỗi thời gian thành các thành phần mức (level), tăng trưởng (trend) và mùa vụ (seasonal), cho phép nó tận dụng cả khả năng mô hình hóa phụ thuộc xa của Transformer và cấu trúc có thể diễn giải của các mô hình ETS thống kê.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Woo, G., Liu, C., Sahoo, D., Kumar, A., & Hoi, S. (2022). ETSformer: Exponential smoothing transformers for time-series forecasting. arXiv preprint. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 2). ETSformer (Exponential Smoothing Transformer). ScholarGate. https://scholargate.app/vi/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.
- Autoformer: Biến đổi phân tách cho dự báo chuỗi thời gian dài hạnHọc sâu↔ compare
- ETS: Error, Trend, Seasonal Exponential SmoothingKinh tế lượng↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →