TimesNet: Pemodelan Variasi Temporal 2D untuk Deret Waktu
TimesNet adalah model deret waktu serbaguna yang diperkenalkan oleh Wu et al. pada ICLR 2023. Ide utamanya adalah bahwa deret waktu univariat atau multivariat dapat ditafsirkan ulang sebagai kumpulan peta temporal dua dimensi dengan membentuk ulang sinyal 1D sesuai dengan periodisitas dominannya, yang dideteksi melalui Fast Fourier Transform. Transformasi 1D-ke-2D ini mengekspos pola intraperiod (dalam satu siklus) dan tren antarperiod (antar siklus), memungkinkan arsitektur konvolusional 2D yang kuat untuk memodelkan variasi temporal.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/id/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: Transformer Dekomposisi untuk Peramalan Deret Waktu Jangka PanjangPembelajaran Mendalam↔ compare
- PatchTSTPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →