TiDE: Time-series Dense Encoder
TiDE (Time-series Dense Encoder) adalah arsitektur encoder-decoder berbasis MLP untuk peramalan deret waktu multivariat jangka panjang, yang diperkenalkan oleh Abhimanyu Das dan rekan-rekannya di Google Research pada tahun 2023. Model ini mengkodekan observasi deret waktu masa lalu bersama dengan kovariat statis dan dinamis melalui lapisan padat (MLP) yang ditumpuk, kemudian mendekode representasi laten menjadi ramalan di masa depan. TiDE menunjukkan bahwa arsitektur linier dan padat yang sederhana dapat menyaingi atau mengungguli model berbasis Transformer pada tolok ukur peramalan jangka panjang standar sambil secara signifikan lebih cepat.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Das, A., Kong, W., Leach, A., Mathur, S., Sen, R., & Yu, R. (2023). Long-term forecasting with TiDE: Time-series dense encoder. Transactions on Machine Learning Research. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/id/deep-learning/tide
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: Model Linear Dekomposisi untuk Peramalan Deret WaktuPembelajaran Mendalam↔ compare
- Multilayer Perceptron (MLP)Pembelajaran Mendalam↔ compare
- TSMixer: Arsitektur All-MLP untuk Peramalan Deret WaktuPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →