TimeMixer: Razdvojivo višekalno miješanje za prognoziranje vremenskih serija
TimeMixer je arhitektura za prognoziranje vremenskih serija temeljena na dekompoziciji, bez pažnje, koju su uveli Wang i suradnici na ICLR-u 2024. Središnja ideja je razdvojiti sezonske i trendne komponente na više vremenskih skala konstruiranih prosječnim grupiranjem, a zatim miješati informacije između tih skala koristeći lagane MLP blokove. Rješavanjem grubih (dominantnih trendom) i finih (dominantnih sezonom) rezolucija odvojeno i kombiniranjem njihovih predviđanja, TimeMixer izbjegava kvadratni trošak pažnje, istovremeno hvatajući lokalne i globalne vremenske obrasce.
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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/hr/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: Dekompozicijski linearni model za prognoziranje vremenskih serijaDuboko učenje↔ compare
- TimesNet: Vremenska 2D-varijacijska modelizacija za vremenske nizoveDuboko učenje↔ compare
- TSMixerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →