Metodes pierādījumu reģistrs

TSMixer

TSMixer is a multivariate time-series forecasting model introduced by Si-An Chen and colleagues at Google in 2023. It challenges the prevailing dominance of Transformer-based architectures by demonstrating that a simple stack of interleaved MLP layers — alternating between mixing along the time axis and mixing across feature channels — achieves strong forecasting accuracy while remaining computationally efficient and easy to interpret architecturally.

Sources recorded, not reviewed

Avota reģistrs

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

TSMixer (All-MLP Architecture for Forecasting)

Taksonomiskās metodes reģistrs · ml-model / deep-learning

Chen, S.-A., Li, C.-L., Yoder, N., Arik, S. O., & Pfister, T. (2023). TSMixer: An all-MLP architecture for time series forecasting. 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 bucketTimeMixermachine-suggested · Relational suggestion, not evidence.