Machine learningTime-series forecasting

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.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

  1. 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.

Compare side by side
ScholarGateTiDE (TiDE (Time-series Dense Encoder)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/deep-learning/tide · Aineisto: https://doi.org/10.5281/zenodo.20539026