TiDE: Codificador Dens de Sèries Temporals
TiDE (Time-series Dense Encoder) és una arquitectura codificador-descodificador basada en MLP per a la predicció de sèries temporals multivariants a llarg termini, introduïda per Abhimanyu Das i col·laboradors a Google Research el 2023. El model codifica observacions passades de sèries temporals juntament amb covariables estàtiques i dinàmiques a través de capes denses (MLP) apilades, i després descodifica una representació latent en prediccions futures. TiDE demostra que arquitectures lineals i denses senzilles poden igualar o superar models basats en Transformers en punts de referència estàndard de predicció a llarg termini, sent significativament més ràpides.
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
- Das, A., Kong, W., Leach, A., Mathur, S., Sen, R., & Yu, R. (2023). Long-term forecasting with TiDE: Time-series dense encoder. Transactions on Machine Learning Research. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/ca/deep-learning/tide
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.
- DLinear: Model Lineal de Descomposició per a la Predicció de Sèries TemporalsAprenentatge profund↔ compare
- Perceptró Multicapa (MLP)Aprenentatge profund↔ compare
- TSMixer: Arquitectura Totalment MLP per a la Predicció de Sèries TemporalsAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →