Machine learningTime-series forecasting

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.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

TSMixer : une architecture tout MLP pour la prévision de séries temporelles
DLinearPerceptron multicouche (…TimeMixerFreTSLightTSTiDE : Encodeur Dense po…

Sources

  1. 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.

Compare side by side

Référencée par

ScholarGateTSMixer (TSMixer (All-MLP Architecture for Forecasting)). Consulté le 2026-06-15 sur https://scholargate.app/fr/deep-learning/tsmixer · Jeu de données : https://doi.org/10.5281/zenodo.20539026