transformer模型时序预测

transformer模型在时序预测方面有多个相关研究论文。其中，论文"Temporal fusion transformers for interpretable multi-horizon time series forecasting"（2019）提出了一种基于transformer的融合模型，用于解释性的多时间跨度时序预测。

另一篇论文"Informer: Beyond efficient transformer for long sequence timeseries forecasting"（AAAI 2021）则提出了一种改进的transformer模型，用于长时间序列预测，旨在提高效率和性能。

还有一篇名为"FEDformer: Frequency enhanced decomposed transformer for long-term series forecasting"（2022）的论文，介绍了一种名为FEDformer的transformer模型，用于长期序列预测，并通过频率增强和分解机制来提高预测性能。

这些论文表明，transformer模型在时序预测领域具有广泛的应用和研究价值，并且研究者们不断提出改进的方法来提高其性能和解释性。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [如何搭建适合时间序列预测的Transformer模型？](https://blog.csdn.net/qq_33431368/article/details/124811340)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]