N-BEATS
N-BEATS es una arquitectura de aprendizaje profundo para la predicción de series temporales, introducida por Oreshkin y colegas en 2020, construida a partir de pilas interpretables de tendencia y estacionalidad. Fue el primer modelo de predicción puramente neuronal en alcanzar un rendimiento de vanguardia en la competencia M4 sin depender de ningún componente estadístico clásico.
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
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/es/deep-learning/nbeats
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
- DeepARAprendizaje profundo↔ compare
- InformerAprendizaje profundo↔ compare
- Random ForestAprendizaje automático↔ compare
- Temporal Fusion TransformerAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →