TSMixer: Architettura interamente MLP per la previsione di serie temporali
TSMixer è un modello di previsione di serie temporali multivariate introdotto da Si-An Chen e colleghi di Google nel 2023. Sfida il predominio prevalente delle architetture basate su Transformer dimostrando che un semplice stack di strati MLP interlacciati — alternando la miscelazione lungo l'asse temporale e la miscelazione attraverso i canali delle feature — raggiunge una forte accuratezza di previsione pur rimanendo computazionalmente efficiente e facile da interpretare a livello architetturale.
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
- Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. Transactions on Machine Learning Research. link ↗
Come citare questa pagina
ScholarGate. (2026, June 2). TSMixer (All-MLP Architecture for Forecasting). ScholarGate. https://scholargate.app/it/deep-learning/tsmixer
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.
- DLinear: Modello Lineare a Decomposizione per la Previsione di Serie StoricheApprendimento profondo↔ compare
- Multilayer Perceptron (MLP)Apprendimento profondo↔ compare
- TimeMixer: Decomposable Multiscale Mixing per le Previsioni di Serie StoricheApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →