Hugging Face에서 Patch Time Series Transformer(PatchTST) 모델을 통해 시계열 데이터를 패치로 분할 처리해 Transformer 기반 예측 성능 제공
Patch Time Series Transformer in Hugging Face
Autoformer가 Decomposition Layer와 Autocorrelation Attention 메커니즘을 도입해 DLinear와의 벤치마크에서 Traffic, Exchange-Rate, Electricity 데이터셋 모두에서 우수한 MASE 점수 달성
Yes, Transformers are Effective for Time Series Forecasting (+ Autoformer)
Hugging Face가 Informer 모델을 Transformers 라이브러리에 통합하고 ProbSparse Attention으로 시계열 예측의 계산 복잡도를 O(T²D)에서 O(T log T)로 감소
Multivariate Probabilistic Time Series Forecasting with Informer
Hugging Face Transformers 라이브러리가 Vanilla Transformer 기반 확률적 시계열 예측 모델을 제공해 국소 포인트 예측 방식에서 글로벌 확률 분포 모델링으로의 전환 실현
Probabilistic Time Series Forecasting with 🤗 Transformers