Machine learningTime-series forecasting
TimeMixer: 時系列予測のための分解可能マルチスケール混合
TimeMixerは、WangらによってICLR 2024で発表された、分解ベースの注意機構フリーな時系列予測アーキテクチャである。その中心的なアイデアは、平均プーリングによって構築された複数の時間スケールにわたって季節成分とトレンド成分を分離し、その後、軽量なMLPブロックを用いてそれらのスケール間で情報を混合することである。粗い（トレンド優勢）解像度と細かい（季節優勢）解像度を別々に扱い、それらの予測を組み合わせることで、TimeMixerは注意機構の二次コストを回避しつつ、局所的および大域的な時間パターンを捉える。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Wang, S., Wu, H., Shi, X., Hu, T., Luo, H., Ma, L., Zhang, J. Y., & Zhou, J. (2024). TimeMixer: Decomposable multiscale mixing for time series forecasting. ICLR. link ↗
このページの引用方法
ScholarGate. (2026, June 2). TimeMixer (Decomposable Multiscale Mixing). ScholarGate. https://scholargate.app/ja/deep-learning/timemixer
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: 時系列予測のための分解線形モデル深層学習↔ compare
- TimesNet: 時系列のための時間的2次元変動モデリング深層学習↔ compare
- TSMixer: 時系列予測のための全MLPアーキテクチャ深層学習↔ compare