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.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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.
- DLinear: Hajotelmaan perustuva lineaarinen malli aikasarjaennustukseenSyväoppiminen↔ compare
- Monikerki-kerrosperceptron (MLP)Syväoppiminen↔ compare
- TimeMixer: Hajotettava moniskaalainen sekoitus aikasarjaennustamiseenSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →