N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting)
Αντί να δημιουργούνται χειροποίητα εποχικά και τμηματικά στοιχεία με τον τρόπο που το κάνουν οι κλασικές προβλέψεις, το N-BEATS επιτρέπει σε ένα βαθύ δίκτυο να τα μάθει απευθείας από το ιστορικό. Η σειρά αποσυντίθεται από μια στοίβα δομικών στοιχείων, καθένα από τα οποία αφαιρεί το μέρος του σήματος που μπορεί να εξηγήσει και περνάει το υπόλοιπο στο επόμενο μπλοκ — έτσι το μοντέλο σταδιακά διαχωρίζει την τάση και την εποχικότητα και αθροίζει τις προβλέψεις τους.
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
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/el/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.
- Μοντέλο ARIMA (Autoregressive Integrated Moving Average)Οικονομετρία↔ compare
- DeepARΒαθιά Μάθηση↔ compare
- ΕνημερωτήςΒαθιά Μάθηση↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- Temporal Fusion TransformerΒαθιά Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →