LightTS: Let sampling-orienteret MLP til multivariat tidsserieprognose
LightTS er en letvægts, MLP-baseret arkitektur til multivariat tidsserieprognose, introduceret af Tianping Zhang og kolleger i 2022. Motiveret af observationen, at simplere modeller kan matche eller overgå tunge Transformer-baserede arkitekturer, anvender LightTS en interval-samplingstrategi til at dekomponere lange inputsekvenser i flere undersekvenser og behandler hver med kompakte Chunk-MLP- og Continuous-MLP-moduler. Designet prioriterer beregningseffektivitet, samtidig med at det bevarer både lokale og globale tidsmæssige mønstre.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Zhang, T., Zhang, Y., Cao, W., Bian, J., Yi, X., Zheng, S., & Li, J. (2022). Less is more: Fast multivariate time series forecasting with light sampling-oriented MLP structures. arXiv preprint. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). LightTS (Light Sampling-oriented MLP). ScholarGate. https://scholargate.app/da/deep-learning/lightts
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: Decomposition Linear Model for Time Series ForecastingDyb læring↔ compare
- Multilayer Perceptron (MLP)Dyb læring↔ compare
- TSMixer: All-MLP Arkitektur til TidsserieprognoserDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →