TiDE: Time-series Dense Encoder
TiDE (Time-series Dense Encoder) on Googlen Tutkimuskeskuksen Abhimanyu Dasin ja kollegoiden vuonna 2023 esittelemä MLP-pohjainen enkooderi-dekooderiarkkitehtuuri pitkän aikavälin monimuuttujaisten aikasarjaennusteiden tekemiseen. Malli enkoodaa menneet aikasarjahavainnot yhdessä staattisten ja dynaamisten kovariaattien kanssa pinottujen tiheiden (MLP) kerrosten avulla, ja dekoodaa sitten piilevän esityksen tuleviksi ennusteiksi. TiDE osoittaa, että yksinkertaiset lineaariset ja tiheät arkkitehtuurit voivat vastata tai ylittää Transformer-pohjaisten mallien suorituskyvyn standardeissa pitkän aikavälin ennustustehtävissä, ollen samalla merkittävästi nopeampia.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/fi/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.
- DLinear: Hajotelmaan perustuva lineaarinen malli aikasarjaennustukseenSyväoppiminen↔ compare
- Monikerki-kerrosperceptron (MLP)Syväoppiminen↔ compare
- TSMixer: täysin MLP-arkkitehtuuri aikasarjaennustamiseenSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →