N-BEATS
N-BEATS یک معماری یادگیری عمیق برای پیشبینی سریهای زمانی است که در سال ۲۰۲۰ توسط Oreshkin و همکارانش معرفی شد و از پشتههای قابل تفسیر روند (trend) و فصلی بودن (seasonality) ساخته شده است. این اولین مدل پیشبینی صرفاً عصبی بود که بدون اتکا به هیچ جزء آماری کلاسیک، به عملکرد پیشرفته (state-of-the-art) در رقابت M4 دست یافت.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/fa/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.
- مدل آریما (میانگین متحرک یکپارچه خودرگرسیو)اقتصادسنجی↔ compare
- DeepARیادگیری عمیق↔ compare
- Informerیادگیری عمیق↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- ترنسفورمر ادغامی زمانییادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →