TSMixer : une architecture tout MLP pour la prévision de séries temporelles
TSMixer est un modèle de prévision multivariée de séries temporelles introduit par Si-An Chen et ses collègues chez Google en 2023. Il conteste la domination actuelle des architectures basées sur Transformer en démontrant qu'une simple pile de couches MLP entrelacées — alternant entre le mélange le long de l'axe temporel et le mélange à travers les canaux de caractéristiques — atteint une précision de prévision élevée tout en restant efficace sur le plan computationnel et facile à interpréter architecturalement.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/fr/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.
- DLinearApprentissage profond↔ compare
- Perceptron multicouche (MLP)Apprentissage profond↔ compare
- TimeMixerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →