Machine learningTime-series forecasting

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.

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. 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.

Compare side by side
ScholarGateTiDE (TiDE (Time-series Dense Encoder)). Recuperat el 2026-06-15 de https://scholargate.app/ca/deep-learning/tide · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026