DLinear: Model Lineal de Descomposició per a la Predicció de Sèries Temporals
DLinear és un model lleuger de predicció de sèries temporals introduït per Zeng et al. a AAAI 2023. Desafia la suposició predominant que les arquitectures basades en Transformer són necessàries per a una predicció precisa a llarg termini. El model descompon una seqüència d'entrada en components de tendència i estacionals mitjançant un filtre de mitjana mòbil, i després aplica transformacions lineals separades d'una sola capa a cada component abans de sumar les seves sortides per produir la predicció final.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/ca/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.
- Model d'ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- PatchTSTAprenentatge profund↔ compare
- TSMixer: Arquitectura Totalment MLP per a la Predicció de Sèries TemporalsAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →