ScholarGate
Asistente
Machine learningTime-series forecasting

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.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

Fuentes

  1. 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.

Compare side by side

Citado por

ScholarGateDLinear (DLinear (Decomposition Linear Model for Forecasting)). Recuperado el 2026-06-15 de https://scholargate.app/es/deep-learning/dlinear · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026