DLinear: מודל לינארי מפורק לחיזוי סדרות עתיות
DLinear הוא מודל קל משקל לחיזוי סדרות עתיות שהוצג על ידי Zeng ואח'. ב-AAAI 2023. הוא מאתגר את ההנחה הרווחת כי ארכיטקטורות מבוססות טרנספורמר (Transformer) נחוצות לחיזוי ארוך-טווח מדויק. המודל מפרק סדרת קלט לרכיבי מגמה (trend) ורכיב עונתי (seasonal) באמצעות מסנן ממוצע נע (moving average filter), ולאחר מכן מיישם טרנספורמציות לינאריות נפרדות בשכבה יחידה לכל רכיב, לפני חיבור הפלטים שלהם ליצירת החיזוי הסופי.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/he/deep-learning/dlinear
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.
- מודל ARIMA (Autoregressive Integrated Moving Average)אקונומטריקה↔ compare
- PatchTSTלמידה עמוקה↔ compare
- TSMixer: ארכיטקטורת MLP בלבד לחיזוי סדרות עתיותלמידה עמוקה↔ compare