LightTS: Leichtes Sampling-orientiertes MLP für multivariate Zeitreihenprognosen
LightTS ist eine leichtgewichtige, MLP-basierte Architektur für multivariate Zeitreihenprognosen, die 2022 von Tianping Zhang und Kollegen vorgestellt wurde. Motiviert durch die Beobachtung, dass einfachere Modelle schwere Transformer-basierte Architekturen erreichen oder übertreffen können, wendet LightTS eine Intervall-Sampling-Strategie an, um lange Eingabesequenzen in mehrere Teilsequenzen zu zerlegen und jede mit kompakten Chunk-MLP- und Continuous-MLP-Modulen zu verarbeiten. Das Design priorisiert die rechnerische Effizienz bei gleichzeitiger Erhaltung lokaler und globaler zeitlicher Muster.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). LightTS (Light Sampling-oriented MLP). ScholarGate. https://scholargate.app/de/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 für ZeitreihenprognosenDeep Learning↔ compare
- Mehrschichtiges Perzeptron (MLP)Deep Learning↔ compare
- TSMixer: Eine reine MLP-Architektur für ZeitreihenprognosenDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →