N-BEATS
N-BEATS és una arquitectura d'aprenentatge profund per a la predicció de sèries temporals, introduïda per Oreshkin i col·laboradors el 2020, construïda a partir de piles interpretables de tendència i estacionalitat. Va ser el primer model de predicció purament neuronal a assolir un rendiment d'avantguarda en la competició M4 sense dependre de cap component estadístic clàssic.
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
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/ca/deep-learning/nbeats
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
- DeepARAprenentatge profund↔ compare
- InformerAprenentatge profund↔ compare
- Random ForestAprenentatge automàtic↔ compare
- Temporal Fusion TransformerAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →