DLinear: Γραμμικό Μοντέλο Αποσύνθεσης για Πρόβλεψη Χρονοσειρών
Το DLinear είναι ένα ελαφρύ μοντέλο πρόβλεψης χρονοσειρών που εισήχθη από τους Zeng et al. στο AAAI 2023. Αμφισβητεί την επικρατούσα υπόθεση ότι οι αρχιτεκτονικές που βασίζονται σε Transformer είναι απαραίτητες για ακριβή πρόβλεψη μακροπρόθεσμου ορίζοντα. Το μοντέλο αποσυνθέτει μια ακολουθία εισόδου σε συνιστώσες τάσης και εποχικότητας χρησιμοποιώντας ένα φίλτρο κινούμενου μέσου όρου, και στη συνέχεια εφαρμόζει ξεχωριστούς γραμμικούς μετασχηματισμούς ενός επιπέδου σε κάθε συνιστώσα πριν αθροίσει τις εξόδους τους για να παραγάγει την τελική πρόβλεψη.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/el/deep-learning/dlinear
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.
- Μοντέλο ARIMA (Autoregressive Integrated Moving Average)Οικονομετρία↔ compare
- PatchTSTΒαθιά Μάθηση↔ compare
- TSMixer: Αρχιτεκτονική All-MLP για Πρόβλεψη ΧρονοσειρώνΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →