N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), introduït per Challu i col·legues el 2023, és una arquitectura d'aprenentatge profund per a la previsió que combina les previsions jeràrquiques de múltiples piles que operen a diferents velocitats de mostreig i les uneix mitjançant interpolació. Estén N-BEATS per oferir una precisió marcadament millor en horitzons de previsió llargs.
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
- Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854 ↗
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/ca/deep-learning/nhits
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
- Random ForestAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →