N-HiTS
N-HiTS (Neural Hierarchical Interpolation for Time Series Forecasting), introdotto da Challu e colleghi nel 2023, è un'architettura di previsione neurale profonda che combina le previsioni gerarchiche di stack multipli operanti a diverse frequenze di campionamento e le fonde tramite interpolazione. Estende N-BEATS per fornire un'accuratezza notevolmente migliore su orizzonti di previsione lunghi.
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
- Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854 ↗
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/it/deep-learning/nhits
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
- Random ForestApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →