Metodes pierādījumu reģistrs

TiDE

TiDE (Time-series Dense Encoder) is an MLP-based encoder-decoder architecture for long-term multivariate time-series forecasting, introduced by Abhimanyu Das and colleagues at Google Research in 2023. The model encodes past time-series observations together with static and dynamic covariates through stacked dense (MLP) layers, then decodes a latent representation into future forecasts. TiDE demonstrates that simple linear and dense architectures can match or outperform Transformer-based models on standard long-term forecasting benchmarks while being significantly faster.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

TiDE (Time-series Dense Encoder)

Taksonomiskās metodes reģistrs · ml-model / deep-learning

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. · URL

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Taxonomic bucketDLinearmachine-suggested · Relational suggestion, not evidence.Same method familyMultilayer Perceptronmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTSMixermachine-suggested · Relational suggestion, not evidence.