N-HiTS
N-HiTS (Neirālā hierarhiskā interpolācija laika sēriju prognozēšanai), ko 2023. gadā ieviesa Čallu un kolēģi, ir dziļā neirālā prognozēšanas arhitektūra, kas apvieno vairāku, dažādos diskretizācijas biežumos strādājošu steku hierarhiskās prognozes un sapludina tās, izmantojot interpolāciju. Tā paplašina N-BEATS, lai panāktu ievērojami labāku precizitāti ilgos prognožu horizontos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Challu, C. et al. (2023). NHITS: Neural Hierarchical Interpolation for Time Series Forecasting. AAAI. DOI: 10.1609/aaai.v37i6.25854 ↗
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. arXiv: 1905.10437 link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Neural Hierarchical Interpolation for Time Series Forecasting. ScholarGate. https://scholargate.app/lv/deep-learning/nhits
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 (autoregresīvais integrētais slīdošā vidējā) modelisEkonometrija↔ compare
- PatchTSTDziļā mācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →