TimeMixer: Разложимо многомащабно смесване за прогнозиране на времеви редове
TimeMixer е архитектура за прогнозиране на времеви редове, базирана на разлагане и без внимание, представена от Wang et al. на ICLR 2024. Централната идея е да се разделят сезонните и трендовите компоненти в множество времеви мащаби, конструирани чрез средно групиране (average pooling), след което да се смесва информацията между тези мащаби, използвайки леки MLP блокове. Като обработва грубите (доминирани от тренда) и фините (доминирани от сезона) резолюции поотделно и комбинира техните прогнози, TimeMixer избягва квадратичната цена на вниманието, като същевременно улавя както локални, така и глобални времеви модели.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/bg/deep-learning/timemixer
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.
- DLinearДълбоко обучение↔ compare
- TimesNet: Моделиране на времеви 2D-вариации за времеви редовеДълбоко обучение↔ compare
- TSMixer: Изцяло базирана на MLP архитектура за прогнозиране на времеви редовеДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →