TimeMixer: Decomponálható többskálájú keverés idősorok előrejelzéséhez
A TimeMixer egy dekompozícióalapú, figyelemmentes idősor-előrejelző architektúra, amelyet Wang és mtsai mutattak be az ICLR 2024 konferencián. A központi ötlet a szezonális és trendkomponensek szétválasztása több, átlagos poolinggal létrehozott időbeli skálán, majd az információk keverése ezeken a skálákon keresztül könnyűsúlyú MLP blokkokkal. A durva (trenddomináns) és finom (szezonális domináns) felbontások külön kezelésével és előrejelzéseik kombinálásával a TimeMixer elkerüli a figyelem kvadratikus költségét, miközben mind a helyi, mind a globális időbeli mintázatokat rögzíti.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/hu/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: Dekompozíciós lineáris modell idősor-előrejelzéshezMélytanulás↔ compare
- TimesNet: Temporal 2D-Variation Modeling for Time SeriesMélytanulás↔ compare
- TSMixer: Minden-MLP Architektúra Idősor-ElőrejelzéshezMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →