Machine learningTime-series forecasting

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.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. 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.

Compare side by side

Citat per

ScholarGateDLinear (DLinear (Decomposition Linear Model for Forecasting)). Recuperat el 2026-06-15 de https://scholargate.app/ca/deep-learning/dlinear · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026