Machine learningTime-series forecasting

TSMixer: täysin MLP-arkkitehtuuri aikasarjaennustamiseen

TSMixer on monimuuttujainen aikasarjaennustusmalli, jonka Googlella työskentelevät Si-An Chen ja kollegat esittelivät vuonna 2023. Se haastaa Transformer-pohjaisten arkkitehtuurien vallitsevan aseman osoittamalla, että yksinkertainen kerroksittain lomitettujen MLP-kerrosten pino – vuorotellen aikajatkumon ja piirrikanavien yli tapahtuvaa sekoitusta – saavuttaa vahvan ennustustarkkuuden samalla, kun se pysyy laskennallisesti tehokkaana ja arkkitehtuuriltaan helposti tulkittavana.

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. Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research. link

Näin viittaat tähän sivuun

ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/fi/deep-learning/tsmixer

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

Tähän viittaavat

ScholarGateTSMixer (TSMixer (All-MLP Architecture for Forecasting)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/deep-learning/tsmixer · Aineisto: https://doi.org/10.5281/zenodo.20539026