Machine learningTime-series forecasting

TimesNet: Μοντελοποίηση Χρονικών 2D-Διακυμάνσεων για Χρονοσειρές

Το TimesNet είναι ένα γενικής χρήσης μοντέλο χρονοσειρών που εισήχθη από τους Wu et al. στο ICLR 2023. Η κεντρική του ιδέα είναι ότι οι μονοδιάστατες ή πολυδιάστατες χρονοσειρές μπορούν να επανερμηνευθούν ως συλλογές δισδιάστατων χρονικών χαρτών, αναδιαμορφώνοντας το μονοδιάστατο σήμα σύμφωνα με τις κυρίαρχες περιοδικότητές του, οι οποίες ανιχνεύονται μέσω Γρήγορου Μετασχηματισμού Fourier (FFT). Αυτός ο μετασχηματισμός 1D-σε-2D αποκαλύπτει τόσο ενδο-περιοδικά μοτίβα (εντός ενός κύκλου) όσο και δια-περιοδικές τάσεις (μεταξύ κύκλων), επιτρέποντας σε ισχυρές δισδιάστατες συνελικτικές αρχιτεκτονικές να μοντελοποιούν τη χρονική διακύμανση.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

TimesNet: Μοντελοποίηση Χρονικών 2D-Διακυμάνσεων για Χρονοσειρές
Autoformer: Transformer…PatchTSTMICNSCINet: Δίκτυο Συνέλιξης…TimeMixer: Αποσυνθέσιμη…

Πηγές

  1. Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/el/deep-learning/timesnet

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.

Compare side by side

Αναφέρεται από

ScholarGateTimesNet (TimesNet (Temporal 2D-Variation Modeling)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/deep-learning/timesnet · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026