DLinear: Dekompozíciós lineáris modell idősor-előrejelzéshez
A DLinear egy könnyűszerkezetes idősor-előrejelző modell, amelyet Zeng et al. vezettek be a 2023-as AAAI konferencián. Megkérdőjelezi azt az elterjedt feltételezést, hogy a Transformer-alapú architektúrák elengedhetetlenek a pontos, hosszú távú előrejelzéshez. A modell egy mozgóátlag-szűrő segítségével dekomponálja a bemeneti sorozatot trend- és szezonális komponensekre, majd minden komponensre különálló, egyrétegű lineáris transzformációt alkalmaz, mielőtt azok kimeneteit összeadná a végső előrejelzés előállításához.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/hu/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.
- ARIMA (Autoregressive Integrated Moving Average) modellÖkonometria↔ compare
- PatchTSTMélytanulás↔ compare
- TSMixer: Minden-MLP Architektúra Idősor-ElőrejelzéshezMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →