TimesNet: Vremenska 2D-varijacijska modelizacija za vremenske nizove
TimesNet je model opće namjene za vremenske nizove koji su predstavili Wu et al. na ICLR-u 2023. Njegova središnja ideja jest da se jednodimenzionalni ili viševremenski nizovi mogu reinterpretirati kao zbirke dvodimenzionalnih vremenskih mapa preoblikovanjem 1D signala prema njegovim dominantnim periodičnostima, otkrivenim putem brze Fourierove transformacije (FFT). Ova 1D-u-2D transformacija otkriva i intraperiodičke obrasce (unutar jednog ciklusa) i interperiodičke trendove (kroz cikluse), omogućujući snažnim 2D konvolucijskim arhitekturama modeliranje vremenskih varijacija.
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
- Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/hr/deep-learning/timesnet
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.
- AutoformerDuboko učenje↔ compare
- PatchTSTDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →