N-BEATS
N-BEATS ialah seni bina pembelajaran mendalam untuk peramalan siri masa, yang diperkenalkan oleh Oreshkin dan rakan-rakan pada tahun 2020, dibina daripada tindanan (stack) tren dan kemusiman yang boleh ditafsir. Ia merupakan model peramalan neural tulen pertama yang mencapai prestasi terkini dalam pertandingan M4 tanpa bergantung kepada sebarang komponen statistik klasik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Oreshkin, B.N. et al. (2020). N-BEATS: Neural Basis Expansion Analysis for Interpretable Time Series Forecasting. ICLR. link ↗
- Makridakis, S., Spiliotis, E. & Assimakopoulos, V. (2020). The M4 Competition: 100,000 Time Series and 61 Forecasting Methods. International Journal of Forecasting, 36(1), 54–74. DOI: 10.1016/j.ijforecast.2019.04.014 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). N-BEATS (Neural Basis Expansion Analysis for Interpretable Time Series Forecasting). ScholarGate. https://scholargate.app/ms/deep-learning/nbeats
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.
- Model ARIMA (Autoregresif Bersepadu Purata Bergerak)Ekonometrik↔ compare
- DeepARPembelajaran Mendalam↔ compare
- InformerPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Temporal Fusion TransformerPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →