DLinear: Modelo Lineal de Descomposición para Predicción de Series Temporales
DLinear es un modelo ligero de predicción de series temporales introducido por Zeng et al. en AAAI 2023. Cuestiona la suposición predominante de que las arquitecturas basadas en Transformer son necesarias para una predicción de largo horizonte precisa. El modelo descompone una secuencia de entrada en componentes de tendencia y estacionales utilizando un filtro de media móvil, luego aplica transformaciones lineales separadas de una sola capa a cada componente antes de sumar sus salidas para producir la predicción final.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Cómo citar esta página
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/es/deep-learning/dlinear
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.
- Modelo ARIMA (Autoregressive Integrated Moving Average)Econometría↔ compare
- PatchTSTAprendizaje profundo↔ compare
- TSMixer: Arquitectura totalmente MLP para predicción de series temporalesAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →