TimeMixer: ערבוב רב-סקלתי ניתן לפירוק לצורך חיזוי סדרות עתיות
TimeMixer הוא ארכיטקטורה לחיזוי סדרות עתיות המבוססת על פירוק וללא מנגנוני קשב, שהוצגה על ידי Wang ועמיתיו ב-ICLR 2024. הרעיון המרכזי הוא לנתק רכיבים עונתיים ומגמתיים על פני מספר סקלות זמניות הנבנות באמצעות מיצוע מצטבר (average pooling), ולאחר מכן לערבב מידע בין סקלות אלו באמצעות בלוקי MLP קלי משקל. על ידי טיפול ברזולוציות גסות (דומיננטיות במגמה) ועדינות (דומיננטיות בעונתיות) בנפרד ושילוב התחזיות שלהן, TimeMixer נמנע מעלות ריבועית של מנגנוני קשב תוך לכידת דפוסים זמניים מקומיים וגלובליים כאחד.
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
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/he/deep-learning/timemixer
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.
- DLinear: מודל לינארי מפורק לחיזוי סדרות עתיותלמידה עמוקה↔ compare
- TimesNet: מידול שינויים דו-ממדיים בזמן עבור סדרות עתיותלמידה עמוקה↔ compare
- TSMixer: ארכיטקטורת MLP בלבד לחיזוי סדרות עתיותלמידה עמוקה↔ compare