N-HiTS
Το N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), που εισήχθη από τους Challu και συνεργάτες το 2023, είναι μια αρχιτεκτονική βαθιάς νευρωνικής πρόγνωσης που συνδυάζει τις ιεραρχικές προβλέψεις πολλαπλών στοίβων που λειτουργούν σε διαφορετικούς ρυθμούς δειγματοληψίας και τις συγχωνεύει μέσω παρεμβολής. Επεκτείνει το N-BEATS για να προσφέρει σημαντικά καλύτερη ακρίβεια σε μακροπρόθεσμους ορίζοντες πρόγνωσης.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Χάρτης μεθόδων
Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.
Πηγές
- Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854 ↗
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/el/deep-learning/nhits
Ποια μέθοδος;
Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.
- Μοντέλο ARIMA (Autoregressive Integrated Moving Average)Οικονομετρία↔ σύγκριση
- PatchTSTΒαθιά Μάθηση↔ σύγκριση
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ σύγκριση
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →