Machine learning

N-HiTS

N-HiTS (پیش‌بینی سلسله‌زمانی با درون‌یابی سلسله‌مراتبی عصبی)، که در سال ۲۰۲۳ توسط Challu و همکاران معرفی شد، یک معماری پیش‌بینی عمیق عصبی است که پیش‌بینی‌های سلسله‌مراتبی چندین پشته را که در نرخ‌های نمونه‌برداری متفاوت عمل می‌کنند، ترکیب کرده و آن‌ها را از طریق درون‌یابی ادغام می‌کند. این روش N-BEATS را گسترش می‌دهد تا دقت بسیار بهتری را در افق‌های پیش‌بینی طولانی ارائه دهد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854
  2. Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/fa/deep-learning/nhits

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.

Compare side by side

ارجاع‌شده در

ScholarGateN-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/nhits · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026