TiDE: Ενσωματωμένος Κωδικοποιητής για Χρονοσειρές
Το TiDE (Time-series Dense Encoder) είναι μια αρχιτεκτονική κωδικοποιητή-αποκωδικοποιητή βασισμένη σε MLP για μακροπρόθεσμη πολυμεταβλητή πρόβλεψη χρονοσειρών, που εισήχθη από τον Abhimanyu Das και συνεργάτες στην Google Research το 2023. Το μοντέλο κωδικοποιεί προηγούμενες παρατηρήσεις χρονοσειρών μαζί με στατικούς και δυναμικούς συνηγμένους μέσω στοιβαγμένων πυκνών (MLP) επιπέδων, και στη συνέχεια αποκωδικοποιεί μια λανθάνουσα αναπαράσταση σε μελλοντικές προβλέψεις. Το TiDE αποδεικνύει ότι απλές γραμμικές και πυκνές αρχιτεκτονικές μπορούν να ανταγωνιστούν ή να ξεπεράσουν μοντέλα βασισμένα σε Transformer σε τυπικά σημεία αναφοράς μακροπρόθεσμης πρόβλεψης, όντας ταυτόχρονα σημαντικά ταχύτερα.
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
- Das, A., Kong, W., Leach, A., Mathur, S., Sen, R., & Yu, R. (2023). Long-term forecasting with TiDE: Time-series dense encoder. Transactions on Machine Learning Research. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/el/deep-learning/tide
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: Γραμμικό Μοντέλο Αποσύνθεσης για Πρόβλεψη ΧρονοσειρώνΒαθιά Μάθηση↔ compare
- Πολυεπίπεδο Εμπειρογνώμονας (MLP)Βαθιά Μάθηση↔ compare
- TSMixer: Αρχιτεκτονική All-MLP για Πρόβλεψη ΧρονοσειρώνΒαθιά Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →