N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), představená Challu a kolektivem v roce 2023, je hluboká neuronová predikční architektura, která kombinuje hierarchické predikce více vrstev pracujících s různými vzorkovacími frekvencemi a spojuje je interpolací. Rozšiřuje N-BEATS, aby dosáhla výrazně lepší přesnosti na dlouhých predikčních horizontech.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/cs/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 ARIMA (autoregresní integrovaný klouzavý průměr)Ekonometrie↔ compare
- PatchTSTHluboké učení↔ compare
- Random ForestStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →