TSMixer: All-MLP Arkitektur til Tidsserieprognoser
TSMixer er en multivariat tidsserieprognosemodel introduceret af Si-An Chen og kolleger hos Google i 2023. Den udfordrer den fremherskende dominans af Transformer-baserede arkitekturer ved at demonstrere, at en simpel stak af interleaved MLP-lag — der skifter mellem at blande langs tidsaksen og blande på tværs af feature-kanaler — opnår stærk prognosenøjagtighed, samtidig med at den forbliver beregningsmæssigt effektiv og let at fortolke arkitektonisk.
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
- Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/da/deep-learning/tsmixer
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
- TimeMixer: Nedbrydelig multiskala-blanding til tidsserieprognoserDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →