TiDE: انکودر متراکم سری زمانی
TiDE (Time-series Dense Encoder) یک معماری انکودر-دیکودر مبتنی بر MLP برای پیشبینی سری زمانی چندمتغیره بلندمدت است که توسط Abhimanyu Das و همکارانش در Google Research در سال ۲۰۲۳ معرفی شد. این مدل مشاهدات سری زمانی گذشته را به همراه کووریتهای ایستا و پویا از طریق لایههای متراکم (MLP) انباشته شده، انکود میکند و سپس یک نمایش نهفته را به پیشبینیهای آینده دیکود میکند. TiDE نشان میدهد که معماریهای ساده خطی و متراکم میتوانند با مدلهای مبتنی بر ترنسفورمر در معیارهای استاندارد پیشبینی بلندمدت رقابت کنند یا از آنها بهتر عمل کنند، در حالی که به طور قابل توجهی سریعتر هستند.
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
- Das, A., Kong, W., Leach, A., Mathur, S., Sen, R., & Yu, R. (2023). Long-term forecasting with TiDE: Time-series dense encoder. Transactions on Machine Learning Research. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/fa/deep-learning/tide
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 →