TiDE: Hustostrukturní kodér časových řad
TiDE (Time-series Dense Encoder) je architektura kodéru-dekodéru založená na MLP pro dlouhodobé vícerozměrné prognózování časových řad, kterou v roce 2023 představili Abhimanyu Das a kolegové z Google Research. Model kóduje minulé pozorování časových řad spolu se statickými a dynamickými kovariátami prostřednictvím vrstvených hustých (MLP) vrstev, poté dekóduje latentní reprezentaci do budoucích prognóz. TiDE demonstruje, že jednoduché lineární a husté architektury mohou na standardních benchmarkách dlouhodobého prognózování dosahovat stejných nebo lepších výsledků než modely založené na Transformerech, přičemž jsou výrazně rychlejší.
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
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/cs/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: Dekompoziční lineární model pro predikci časových řadHluboké učení↔ compare
- Vícevrstvý perceptron (MLP)Hluboké učení↔ compare
- TSMixer: Architektura čistě založená na MLP pro predikci časových řadHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →