Temporal Fusion Transformer
Temporal Fusion Transformer (TFT), được giới thiệu bởi Lim, Arık, Loeff và Pfister vào năm 2021, là một kiến trúc học sâu có thể diễn giải cho dự báo chuỗi thời gian đa chân trời. Nó kết hợp lựa chọn biến, cổng, cơ chế chú ý đa chân trời và đầu ra phân vị, xử lý đồng thời các đầu vào tĩnh, quá khứ và tương lai đã biết để tạo ra các dự báo đa bước.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Bản đồ phương pháp
Lân cận của các phương pháp liên quan — chọn một nút để khám phá.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Temporal Fusion Transformer for Interpretable Multi-Horizon Time Series Forecasting. ScholarGate. https://scholargate.app/vi/deep-learning/temporal-fusion-transformer
Phương pháp nào?
Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.
- Mô hình ARIMA (Autoregressive Integrated Moving Average)Kinh tế lượng↔ so sánh
- DeepARHọc sâu↔ so sánh
- InformerHọc sâu↔ so sánh
- N-HiTSHọc sâu↔ so sánh
- PatchTSTHọc sâu↔ so sánh
- Rừng ngẫu nhiênHọc máy↔ so sánh
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →