DLinear: نموذج الانحدار الخطي المُحلل للتنبؤ بالسلاسل الزمنية
DLinear هو نموذج خفيف الوزن للتنبؤ بالسلاسل الزمنية قدمه Zeng وآخرون في مؤتمر AAAI لعام 2023. يتحدى هذا النموذج الافتراض السائد بأن البنى القائمة على Transformer ضرورية للتنبؤ الدقيق طويل الأفق. يقوم النموذج بتحليل السلسلة الزمنية المدخلة إلى مكونات الاتجاه (trend) والموسمي (seasonal) باستخدام مرشح المتوسط المتحرك، ثم يطبق تحويلات خطية منفصلة بطبقة واحدة على كل مكون قبل جمع مخرجاتهما لإنتاج التنبؤ النهائي.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/ar/deep-learning/dlinear
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.
- نموذج ARIMA (الانحدار الذاتي المتكامل للمتوسط المتحرك)الاقتصاد القياسي↔ compare
- PatchTSTالتعلم العميق↔ compare
- TSMixer: بنية تعتمد كليًا على طبقات MLP للتنبؤ بالسلاسل الزمنيةالتعلم العميق↔ compare