TimesNet: نمذجة التباين الزماني ثنائي الأبعاد للسلاسل الزمنية
TimesNet هو نموذج للأغراض العامة للسلاسل الزمنية قدمه Wu وآخرون في مؤتمر ICLR 2023. فكرته المركزية هي أن السلاسل الزمنية أحادية المتغير أو متعددة المتغيرات يمكن إعادة تفسيرها كمجموعات من الخرائط الزمنية ثنائية الأبعاد عن طريق إعادة تشكيل الإشارة أحادية البعد وفقًا لدوراتها السائدة، والتي يتم اكتشافها عبر تحويل فورييه السريع (FFT). هذا التحويل من 1D إلى 2D يكشف عن كل من الأنماط داخل الدورة (داخل دورة واحدة) والاتجاهات بين الدورات (عبر الدورات)، مما يمكّن معماريات الالتفاف ثنائية الأبعاد القوية من نمذجة التباين الزماني.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/ar/deep-learning/timesnet
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.
- أوتوفورمر: مُحوّل التفكيك للتنبؤ بالسلاسل الزمنية طويلة الأمدالتعلم العميق↔ compare
- PatchTSTالتعلم العميق↔ compare