TimeMixer: Rozložitelný vícestupňový mix pro předpověď časových řad
TimeMixer je dekompoziční, bez-pozornostní architektura pro předpověď časových řad, představená Wangem a kol. na ICLR 2024. Ústřední myšlenkou je oddělit sezónní a trendové komponenty napříč více časovými měřítky konstruovanými průměrováním, a poté míchat informace napříč těmito měřítky pomocí lehkých MLP bloků. Tím, že TimeMixer zpracovává hrubé (dominantní trend) a jemné (dominantní sezónní) rozlišení odděleně a kombinuje jejich předpovědi, vyhýbá se kvadratické ceně pozornosti a zároveň zachycuje lokální i globální časové vzory.
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
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/cs/deep-learning/timemixer
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
- TimesNet: Modelování časových řad pomocí dvourozměrných časových variacíHluboké učení↔ compare
- TSMixer: Architektura čistě založená na MLP pro predikci časových řadHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →