Metodin todisteiden tietue

TSMixer

TSMixer is a multivariate time-series forecasting model introduced by Si-An Chen and colleagues at Google in 2023. It challenges the prevailing dominance of Transformer-based architectures by demonstrating that a simple stack of interleaved MLP layers — alternating between mixing along the time axis and mixing across feature channels — achieves strong forecasting accuracy while remaining computationally efficient and easy to interpret architecturally.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

TSMixer (All-MLP Architecture for Forecasting)

Taksonominen metoditietue · ml-model / deep-learning

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. · URL

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Taxonomic bucketDLinearmachine-suggested · Relational suggestion, not evidence.Same method familyMultilayer Perceptronmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTimeMixermachine-suggested · Relational suggestion, not evidence.