DLinear: Modello Lineare a Decomposizione per la Previsione di Serie Storiche
DLinear è un modello leggero per la previsione di serie storiche introdotto da Zeng et al. all'AAAI 2023. Mette in discussione l'assunto prevalente che le architetture basate su Transformer siano necessarie per previsioni accurate a lungo orizzonte. Il modello scompone una sequenza di input in componenti di trend e stagionali utilizzando un filtro a media mobile, quindi applica trasformazioni lineari separate a singolo strato a ciascun componente prima di sommare i loro output per produrre la previsione finale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
Come citare questa pagina
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/it/deep-learning/dlinear
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.
- Modello ARIMA (Autoregressive Integrated Moving Average)Econometria↔ compare
- PatchTSTApprendimento profondo↔ compare
- TSMixer: Architettura interamente MLP per la previsione di serie temporaliApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →