Machine learningTime-series forecasting

LightTS: viegla paraugu ņemšanai orientēta MLP daudzvariantu laika virkņu prognozēšanai

LightTS ir viegla, uz MLP balstīta arhitektūra daudzvariantu laika virkņu prognozēšanai, ko 2022. gadā ieviesa Tianping Zhang un kolēģi. Motivēti no novērojuma, ka vienkāršāki modeļi var sasniegt vai pārspēt smagas Transformer arhitektūras, LightTS izmanto intervālu paraugu ņemšanas stratēģiju, lai sadalītu garas ievades sekvences vairākās apakšsekvencēs un katru apstrādātu ar kompaktiem Chunk-MLP un Continuous-MLP moduļiem. Dizains prioritizē aprēķinu efektivitāti, vienlaikus saglabājot gan lokālos, gan globālos temporālos modeļus.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

Avoti

  1. Zhang, T., Zhang, Y., Cao, W., Bian, J., Yi, X., Zheng, S., & Li, J. (2022). Less is more: Fast multivariate time series forecasting with light sampling-oriented MLP structures. arXiv preprint. link

Kā citēt šo lapu

ScholarGate. (2026, June 2). LightTS (Light Sampling-oriented MLP). ScholarGate. https://scholargate.app/lv/deep-learning/lightts

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.

Compare side by side
ScholarGateLightTS (LightTS (Light Sampling-oriented MLP)). Izgūts 2026-06-15 no https://scholargate.app/lv/deep-learning/lightts · Datu kopa: https://doi.org/10.5281/zenodo.20539026