N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), jonka Challu kollegoineen esitteli vuonna 2023, on syvä neuroennustusarkkitehtuuri, joka yhdistää useiden eri näytteenottotaajuuksilla toimivien pinojen hierarkkiset ennusteet ja yhdistää ne interpoloinnin avulla. Se laajentaa N-BEATS-mallia tuottaen huomattavasti paremman tarkkuuden pitkillä ennustushorisonteilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854 ↗
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/fi/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.
- ARIMA (Autoregressive Integrated Moving Average) -malliEkonometria↔ compare
- PatchTSTSyväoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →