TimeMixer
TimeMixer is a decomposition-based, attention-free time-series forecasting architecture introduced by Wang et al. at ICLR 2024. The central idea is to disentangle seasonal and trend components across multiple temporal scales constructed by average pooling, then mix information across those scales using lightweight MLP blocks. By handling coarse (trend-dominant) and fine (seasonal-dominant) resolutions separately and combining their predictions, TimeMixer avoids the quadratic cost of attention while capturing both local and global temporal patterns.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.