N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), introduit par Challu et ses collègues en 2023, est une architecture de prévision neuronale profonde qui combine les prévisions hiérarchiques de multiples piles opérant à différentes fréquences d'échantillonnage et les fusionne par interpolation. Il étend N-BEATS pour offrir une précision nettement supérieure sur les horizons de prévision longs.
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
- Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854 ↗
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link ↗
Comment citer cette page
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/fr/deep-learning/nhits
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
- PatchTSTApprentissage profond↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →