TSMixer: Arquitectura totalmente MLP para predicción de series temporales
TSMixer es un modelo de predicción de series temporales multivariante introducido por Si-An Chen y colegas de Google en 2023. Desafía el dominio predominante de las arquitecturas basadas en Transformers al demostrar que una simple pila de capas MLP entrelazadas —alternando entre la mezcla a lo largo del eje temporal y la mezcla a través de canales de características— logra una alta precisión de predicción, al tiempo que se mantiene computacionalmente eficiente y fácil de interpretar arquitectónicamente.
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
- Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research. link ↗
Cómo citar esta página
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/es/deep-learning/tsmixer
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.
- DLinear: Modelo Lineal de Descomposición para Predicción de Series TemporalesAprendizaje profundo↔ compare
- Perceptrón multicapa (MLP)Aprendizaje profundo↔ compare
- TimeMixer: Mezcla Decomponible Multiescala para Pronóstico de Series TemporalesAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →