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.
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
- 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.
- Autoformer: Transformer Αποσύνθεσης για Μακροχρόνιες Προβλέψεις ΧρονοσειρώνΒαθιά Μάθηση↔ compare
- PatchTSTΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →