N-BEATS
N-BEATS on syväoppimisarkkitehtuuri aikasarjaennustamiseen, jonka Oreshkin ja kollegat esittelivät vuonna 2020. Se perustuu tulkittaviin trendi- ja kausivaihtelupinoihin. Se oli ensimmäinen puhtaasti neuroverkkopohjainen ennustusmalli, joka saavutti huipputason suorituskyvyn M4-kilpailussa ilman minkäänlaisia klassisia tilastollisia komponentteja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/fi/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.
- ARIMA (Autoregressive Integrated Moving Average) -malliEkonometria↔ compare
- DeepARSyväoppiminen↔ compare
- InformerSyväoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Temporal Fusion TransformerSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →