ScholarGate
Asisten
Machine learningTime-series forecasting

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.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

Sumber

  1. 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.

Compare side by side
ScholarGateTiDE (TiDE (Time-series Dense Encoder)). Diakses 2026-06-15 dari https://scholargate.app/id/deep-learning/tide · Set data: https://doi.org/10.5281/zenodo.20539026