N-BEATS
N-BEATS ist eine Deep-Learning-Architektur für die Zeitreihenprognose, die 2020 von Oreshkin und Kollegen eingeführt wurde und aus interpretierbaren Trend- und Saisonalitätsstapeln aufgebaut ist. Es war das erste rein neuronale Prognosemodell, das auf der M4-Wettbewerbsaufgabe ohne Rückgriff auf klassische statistische Komponenten eine Spitzenleistung erzielte.
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
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/de/deep-learning/nbeats
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.
- ARIMA-Modell (Autoregressive Integrated Moving Average)Ökonometrie↔ compare
- DeepARDeep Learning↔ compare
- InformerDeep Learning↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Temporal Fusion TransformerDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →