Machine learningTime-series forecasting
TiDE: Time-series Dense Encoder
TiDE (Time-series Dense Encoder)는 Abhimanyu Das와 Google Research의 동료들이 2023년에 소개한 장기 다변량 시계열 예측을 위한 MLP 기반 인코더-디코더 아키텍처입니다. 이 모델은 스택된 Dense (MLP) 레이어를 통해 과거 시계열 관측치와 정적 및 동적 공변량들을 인코딩한 후, 잠재 표현을 미래 예측치로 디코딩합니다. TiDE는 단순한 선형 및 Dense 아키텍처가 표준 장기 예측 벤치마크에서 Transformer 기반 모델과 동등하거나 더 나은 성능을 보이면서도 훨씬 빠를 수 있음을 보여줍니다.
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
- Das, A., Kong, W., Leach, A., Mathur, S., Sen, R., & Yu, R. (2023). Long-term forecasting with TiDE: Time-series dense encoder. Transactions on Machine Learning Research. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). TiDE (Time-series Dense Encoder). ScholarGate. https://scholargate.app/ko/deep-learning/tide
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: 시계열 예측을 위한 분해 선형 모델딥러닝↔ compare
- 다층 퍼셉트론 (MLP)딥러닝↔ compare
- TSMixer: 시계열 예측을 위한 완전 MLP 아키텍처딥러닝↔ compare