TimesNet: Pemodelan Variasi Temporal 2D untuk Siri Masa
TimesNet ialah model siri masa tujuan umum yang diperkenalkan oleh Wu et al. pada ICLR 2023. Idea utamanya ialah siri masa univariat atau multivariat boleh ditafsir semula sebagai koleksi peta temporal dua dimensi dengan menyusun semula isyarat 1D mengikut periodisiti dominannya, yang dikesan melalui Fast Fourier Transform. Transformasi 1D-ke-2D ini mendedahkan corak intraperiod (dalam satu kitaran) dan trend interperiod (merentasi kitaran), membolehkan seni bina konvolusional 2D yang berkuasa untuk memodelkan variasi temporal.
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
- Wu, H., Hu, T., Liu, Y., Zhou, H., Wang, J., & Long, M. (2023). TimesNet: Temporal 2D-variation modeling for general time series analysis. ICLR. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). TimesNet (Temporal 2D-Variation Modeling). ScholarGate. https://scholargate.app/ms/deep-learning/timesnet
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.
- Autoformer: Penghuraian Transformer untuk Ramalan Deret Masa Jangka PanjangPembelajaran Mendalam↔ compare
- PatchTSTPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →