TimesNet: Temporal 2D-Variation Modeling for Time Series
A TimesNet egy általános célú idősor-modell, amelyet Wu et al. vezettek be az ICLR 2023 konferencián. Központi ötlete, hogy az egy- vagy többváltozós idősorokat kétdimenziós temporális térképek gyűjteményeként lehet újraértelmezni az 1D jel átalakításával a domináns periodicitásai szerint, amelyeket Fast Fourier Transform (Gyors Fourier-transzformáció) segítségével detektálnak. Ez az 1D-ről 2D-re való transzformáció feltárja mind az intraperiodikus mintázatokat (egy cikluson belül), mind az interperiodikus trendeket (ciklusokon át), lehetővé téve az erős 2D konvolúciós architektúrák számára a temporális variációk modellezését.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/hu/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.
- Autoformer: Decompozíciós transzformer hosszú távú idősor-előrejelzéshezMélytanulás↔ compare
- PatchTSTMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →