Machine learningTime-series forecasting
DLinear: 시계열 예측을 위한 분해 선형 모델
DLinear는 2023년 AAAI에서 Zeng 등이 소개한 경량 시계열 예측 모델입니다. 이 모델은 트랜스포머 기반 아키텍처가 정확한 장기 예측에 필수적이라는 지배적인 가정을 뒤집습니다. 이 모델은 이동 평균 필터를 사용하여 입력 시퀀스를 추세 및 계절 성분으로 분해한 다음, 각 성분에 별도의 단일 계층 선형 변환을 적용한 후 출력을 합산하여 최종 예측을 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are transformers effective for time series forecasting? AAAI. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). DLinear (Decomposition Linear Model for Forecasting). ScholarGate. https://scholargate.app/ko/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.
- ARIMA (Autoregressive Integrated Moving Average) 모형계량경제학↔ compare
- PatchTST딥러닝↔ compare
- TSMixer: 시계열 예측을 위한 완전 MLP 아키텍처딥러닝↔ compare