DLinear: Dekompozicijski linearni model za prognoziranje vremenskih serija
DLinear je lagani model za prognoziranje vremenskih serija koji su predstavili Zeng i suradnici na konferenciji AAAI 2023. On dovodi u pitanje prevladavajuću pretpostavku da su arhitekture temeljene na Transformerima nužne za točno prognoziranje dugih horizonata. Model dekomponira ulaznu sekvencu na trend i sezonske komponente koristeći filtar pomičnog prosjeka, a zatim primjenjuje zasebne jednoslojne linearne transformacije na svaku komponentu prije zbrajanja njihovih izlaza kako bi se dobila konačna prognoza.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/hr/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.
- Model ARIMA (Autoregresivni integrirani pokretni prosjek)Ekonometrija↔ compare
- PatchTSTDuboko učenje↔ compare
- TSMixerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →