TimeMixer: Dekompositsioonipõhine mitmemõõtmeline segamine aegridade prognoosimiseks
TimeMixer on dekompositsioonipõhine, tähelepanuvaba aegridade prognoosimise arhitektuur, mille tutvustasid Wang et al. ICLR 2024 konverentsil. Peamine idee on eraldada hooajalised ja trendikomponendid mitmel ajaskaalal, mis on konstrueeritud keskmise koondamise abil, seejärel segada infot nende skaalade vahel, kasutades kergeid MLP plokke. Käideldes jämedaid (trend dominant) ja peeneid (hooajalisus dominant) resolutsioone eraldi ning kombineerides nende prognoose, väldib TimeMixer tähelepanu ruutkulutust, haarates samal ajal nii kohalikke kui ka globaalseid ajamustreid.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/et/deep-learning/timemixer
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: Dekompositsiooniline lineaarne mudel aegridade prognoosimiseksSüvaõpe↔ compare
- TimesNet: Ajaline 2D-variatsiooni modelleerimine ajasarjade jaoksSüvaõpe↔ compare
- TSMixer: Kõik-MLP arhitektuur aegridade prognoosimiseksSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →