N-BEATS
N-BEATS è un'architettura di deep learning per la previsione di serie storiche, introdotta da Oreshkin e colleghi nel 2020, costruita da stack interpretabili di trend e stagionalità. È stato il primo modello di previsione puramente neurale a raggiungere prestazioni all'avanguardia nella competizione M4 senza fare affidamento su alcun componente statistico classico.
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
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/it/deep-learning/nbeats
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
- DeepARApprendimento profondo↔ compare
- InformerApprendimento profondo↔ compare
- Random ForestApprendimento automatico↔ compare
- Temporal Fusion TransformerApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →