N-BEATS
N-BEATS est une architecture d'apprentissage profond pour la prévision de séries temporelles, introduite par Oreshkin et ses collègues en 2020, construite à partir de piles interprétables de tendance et de saisonnalité. Ce fut le premier modèle de prévision purement neuronal à atteindre des performances de pointe lors de la compétition M4 sans s'appuyer sur aucun composant statistique classique.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
Comment citer cette page
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/fr/deep-learning/nbeats
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.
- Modèle ARIMA (Autoregressive Integrated Moving Average)Économétrie↔ compare
- DeepARApprentissage profond↔ compare
- InformerApprentissage profond↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Temporal Fusion TransformerApprentissage profond↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →