TimesNet: Modelado de Variaciones Temporales 2D para Series Temporales

TimesNet es un modelo de propósito general para series temporales introducido por Wu et al. en ICLR 2023. Su idea central es que las series temporales univariadas o multivariadas pueden reinterpretarse como colecciones de mapas temporales bidimensionales, reconfigurando la señal 1D según sus periodicidades dominantes, detectadas mediante Transformada Rápida de Fourier (FFT). Esta transformación 1D a 2D expone tanto patrones intra-período (dentro de un ciclo) como tendencias inter-períodos (entre ciclos), permitiendo que potentes arquitecturas convolucionales 2D modelen la variación temporal.