TSMixer: Eine reine MLP-Architektur für Zeitreihenprognosen
TSMixer ist ein multivariates Zeitreihenprognosemodell, das 2023 von Si-An Chen und Kollegen bei Google vorgestellt wurde. Es stellt die vorherrschende Dominanz von Transformer-basierten Architekturen in Frage, indem es zeigt, dass ein einfacher Stapel von verschachtelten MLP-Schichten – abwechselnd mischend entlang der Zeitachse und mischend über Merkmalskanäle hinweg – eine hohe Prognosegenauigkeit erzielt, während es gleichzeitig recheneffizient und architektonisch leicht interpretierbar bleibt.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/de/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 für ZeitreihenprognosenDeep Learning↔ compare
- Mehrschichtiges Perzeptron (MLP)Deep Learning↔ compare
- TimeMixer: Zerlegbare multiskalare Mischung für ZeitreihenprognosenDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →