LightTS: یک MLP سبکمحور برای پیشبینی سریهای زمانی چندمتغیره
LightTS معماری سبکوزن مبتنی بر MLP برای پیشبینی سریهای زمانی چندمتغیره است که توسط تیانپینگ ژانگ و همکارانش در سال ۲۰۲۲ معرفی شد. با انگیزه مشاهده اینکه مدلهای سادهتر میتوانند با معماریهای سنگین مبتنی بر ترنسفورمر رقابت کنند یا از آنها پیشی بگیرند، LightTS از یک استراتژی نمونهبرداری بازهای برای تجزیه توالیهای ورودی طولانی به زیر-توالیهای متعدد استفاده میکند و هر کدام را با ماژولهای فشرده Chunk-MLP و Continuous-MLP پردازش میکند. این طراحی، کارایی محاسباتی را در اولویت قرار میدهد و در عین حال الگوهای زمانی محلی و سراسری را حفظ میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Zhang, T., Zhang, Y., Cao, W., Bian, J., Yi, X., Zheng, S., & Li, J. (2022). Less is more: Fast multivariate time series forecasting with light sampling-oriented MLP structures. arXiv preprint. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). LightTS (Light Sampling-oriented MLP). ScholarGate. https://scholargate.app/fa/deep-learning/lightts
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.
- مدل خطی تجزیهپذیر برای پیشبینی سریهای زمانی (DLinear)یادگیری عمیق↔ compare
- پِرسِپترون چندلایهای (MLP)یادگیری عمیق↔ compare
- TSMixer: معماری تمام MLP برای پیشبینی سری زمانییادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →